生成带有高斯噪声的随机角度，随机角度的余弦值在-1到1之间，通过贝叶斯算法得出后验概率，与估计值进行比较，Matlab代码实现并画图进行对比

好的，我理解了你的问题。以下是一个示例的 Matlab 代码实现：

% 生成带有高斯噪声的随机角度
n = 1000; % 生成的随机角度数量
mu = 0; % 均值
sigma = 0.1; % 标准差
theta = normrnd(mu, sigma, 1, n); % 生成随机角度

% 计算随机角度的余弦值
cos_theta = cos(theta);

% 计算后验概率
prior = ones(1, n) / n; % 先验概率为均匀分布
likelihood = normpdf(cos_theta, 0, sigma); % 似然函数为高斯分布
posterior = prior .* likelihood; % 计算后验概率
posterior = posterior / sum(posterior); % 归一化后验概率

% 计算估计值
estimate = sum(cos_theta .* posterior);

% 绘制图形进行对比
x = linspace(-1, 1, 100);
y_prior = ones(1, 100) / 100;
y_likelihood = normpdf(x, 0, sigma);
y_posterior = posterior;

figure;
subplot(2, 2, 1);
histogram(cos_theta, 50);
title('随机角度');

subplot(2, 2, 2);
plot(x, y_prior);
title('先验概率');

subplot(2, 2, 3);
plot(x, y_likelihood);
title('似然函数');

subplot(2, 2, 4);
plot(x, y_posterior);
title('后验概率');

figure;
plot(cos_theta, posterior, '.');
hold on;
plot(estimate, max(posterior), 'ro');
title('后验概率与估计值');
xlabel('cos(\theta)');
ylabel('后验概率');

这段代码首先生成了 1000 个带有高斯噪声的随机角度，并计算了这些角度的余弦值。然后，使用贝叶斯算法计算了后验概率，并计算了估计值。最后，将先验概率、似然函数和后验概率绘制在一张图上，以及将后验概率与估计值绘制在另一张图上进行对比。

你可以根据需要调整代码中的参数来生成不同数量、不同均值和标准差的随机角度，并观察贝叶斯算法的效果。