時域中樣本訊號x[n]的協方差矩陣與自相關矩陣關係：經標準化的樣本資料的協方差矩陣就是原始樣本資料的相關矩陣。這裡所說的標準化指正態化，即將原始資料處理成均值為0，方差為1的標準資料。
cov相關 即為不反轉的卷積 對應的協方差矩陣x[n]卷積x[-n]^t/變數數在頻域中即為x(w)乘以x(w)的共軛轉置/除以變數數。
實際推導使用先讓樣本矩陣中心化，即每一維度減去該維度的均值，使每一維度上的均值為0，然後直接用新的到的樣本矩陣乘 上它的轉置，然後除以(n-1)即可。其實這種方法也是由前面的公式通道而來，只不過理解起來不是很直觀，但在抽象的公式推導時還是很常用的！ matlab**實現：
x = mysample – repmat(mean(mysample),10,1); % 中心化樣本矩陣，使各維度均值為0
c = (x』*x)./(size(x,1)-1)
實際更常使用matlab的cov函式。
對於陣列訊號，陣元m個，快拍數n，則時域訊號為s(t)|（m*n），協方差訊號s(t)卷積s（-t）^t (左右翻轉，轉置)/n。頻域則為s(w)|(m*n) *s(w)'|(共軛轉置m*n)/n.
有的除以n有的n-1。。。
矩陣的協方差計算
矩陣的協方差矩陣是對稱陣，用公式cov x,y e x y e x e y 計算，其中e x 和e y 是列的平局值，e x y 是樣本方差，可以用變換成gramian矩陣減去e x e y 後除以n 1，這樣cov x,y e x y e x e y 變換為 g x y m 1 m m 1 e x...
協方差 協方差矩陣 馬氏距離與歐式距離的理解
協方差 協方差矩陣 馬氏距離與歐式距離的理解 最近在應用中，總涉及到對馬氏距離的使用，而馬氏距離中最重要的是協方差矩陣的計算，這些概念困擾了我很久，在查閱資料學習了解後，終於有淺顯理解，做了個筆記與大家分享，才疏學淺，若理解有誤歡迎批評指正。一 方差 協方差 協方差矩陣的概念 在統計學中，方差是單個...
協方差矩陣的詳細說明
協方差矩陣的詳細說明 在做人臉識別的時候經常與協方差矩陣打交道，但一直也只是知道其形式，而對其意義卻比較模糊，現在我根據單變數的協方差給出協方差矩陣的詳細推導以及在不同應用背景下的不同形式。變數說明 設為一組隨機變數，這些隨機變數構成隨機向量 每個隨機變數有 m個樣本，則有樣本矩陣 其中 對應著每個...