协方差法估计：pcov和pmcov函数
影像匹配的特征 由于原始相片中的灰度信息可转换为电子、光学或数字等形式的信号，因而可构成电子相关、光学相关或数字相关等不同的相关方式；而由于可运用于多个领域中，影像相关所匹配的对象也是多种多样的，如卫星遥感影像、航空摄影影像、近景摄影影像等，这些原始数据往往都不是理想的数据源，因此要针对各种特点选择合适的算法进行匹配。但一般来说，无论是光学相关、电子相关还是数字相关，所匹配的对象也有不同，但其理论基础都是相同的。影像相关是利用互相关函数，评价两块影像的相似性以确定同名点。即首先取出以待定点为中心的小区域中的影像信号，然后取出其在另一影像中相应区域的影像信号，计算二者的相关函数，以相关函数最大值对应的相应区域中心点为同名点。即以影像信号分部最相似的区域为同名区域，同名区域的中心点为同名点。这也是自动化立体量测的基本原理。同名点的确定是以匹配测度为基础的，因此定义匹配测度是影像匹配最首要的任务，基于不同的理论或不同的思想可以定义各种不同的匹配测度，因而形成了各种影像匹配方法及相应的实现算法。常见的基于像方灰度的影像匹配算法有相关函数法、协方差函数法、相关系数法、差平方和法、差绝对值和法、最小二。
协方差法和改进协方差法 4.9.2.1 协方差法用下列时间平均最小平方准则代替集合平均的最小平方准则：地球物理信息处理基础该式与自相关法的主要区别是求和范围不同。现在的求和范围是p～N-1，说明滤波器工作时，在所处理的数据段左右两端不需要添加任何零采样值，即没有假设已知数据x（n）（0≤n≤N-1）以外的数据等于零。因此，与自相关法比较，去掉了“加窗处理”的不合理假设。为求得模型参数可应用复梯度使式（4-78）达到最小值。由下式地球物理信息处理基础地球物理信息处理基础式中地球物理信息处理基础由观测数据（x（0），x（1），…，x（N-1）），利用上述公式（4-79）、（4-80）、（4-81）可以求出模型的参数：（1，ap1，ap2，…，app，按照定义，式（4-79）中的cxx（i，j）可以称作协方差函数，它有两个变量，因此也适合于非平稳随机信号。式（4-79）的协方差矩阵是Hermitian矩阵，不是Toeplitz的，是半正定的，因此协方差法存在着稳定性问题，例如：设输入序列长度为3，对它进行1阶线性预测，误差产生的过程如图4-10所示。图4-10 协方差法不稳定性的实例地球物理信息处理基础由图4-10可以得出，地球物理信息处理基础a11的计算式中分母与x（2）无关，因而若x（2）。
协方差法估计：pcov和pmcov函数 自回归功率谱估计的协方差方法，是一种基于使前向预测误差最小的技术；而改进的协方差方法则是同时使前向和后向预测误差均最小的技术。在MATLAB函数的工具箱里，函数pcov用来实现自回归功率谱估计的协方差方法；而函数pmcov用来实现自回归功率谱估计的改进的协方差方法。这两个函数的具体使用方法，与前面所述的pyulear函数和pburg函数大致相同。［例4-7］比较协方差方法与改进的协方差方法在噪声信号的功率谱估计中的效果，如图4-16所示。通过结果图可以看出，这两种方法的估计效果基本上相同。Fs=500；h=fir1（18，0.3）；r=randn（1024，1）；x=filter（h，1，r）；［P1，f］=pcov（x，18，［］，Fs）；［P2，f］=pmcov（x，18，［］，Fs）；图4-16 协方差法以及改进的协方差法功率谱估计的比较结果图Pxx1=10*log10（P1）；Pxx2=10*log10（P2）；plot（f，Pxx1，‘’，f，Pxx2，‘.’）；ylabel（‘功率谱密度（dB）’）；xlabel（‘频率（Hz）’）；legend（‘协方差方法’，‘改进的协方差方法’）。
怎么计算自协方差函数
