请用尽可能短的代码实现用MATLAB实现K近邻估计法，生成均值为0，方差为1，长度为N的一维正态随机信号。 用不同颜色绘制不同kN与不同N的下所获得的估计概率密度函数的曲线

以下是使用MATLAB实现K近邻估计法，并用不同颜色绘制不同kN与不同N的估计概率密度函数的简短代码：

N = [1, 16, 256, 10000]; kN = [1, 3, 5, 10]; % 参数设置
signal = @(n) randn(n, 1); % 信号生成函数
X = linspace(-5, 5, 100); % 横坐标
for i = 1:numel(N)
    for j = 1:numel(kN)
        Y = arrayfun(@(x) kN(j) / (2 * N(i) * mean(abs(signal(N(i)) - x))) , X); % 计算概率密度函数
        plot(X, Y, rand(1, 3)); hold on; % 绘图
    end
end
title('估计概率密度函数'); xlabel('信号值'); ylabel('概率密度'); % 添加标签
legend('kN=1', 'kN=3', 'kN=5', 'kN=10'); % 添加图例

运行上述代码，将生成一个包含多条曲线的图像，每条曲线表示不同kN与不同N下的估计概率密度函数，每条曲线的颜色是随机生成的。其中，x轴表示信号值，y轴表示概率密度。可以通过观察图像来了解K近邻估计法在不同参数下的表现。