1. cov是算方差的，corr2是算相关的。
2. cov是除以(N-1)的，corr2是除以N的，假设N是向量的长度的话。除以（N-1），从统计学角度上说，是无偏估计，而除以N是有偏估计。
3. corrcoef是换算相关矩阵的，也就是说可以输入M个向量，会生成MXM的矩阵。
4. xcorr；自相关函数是描述随机信号X(t)在任意两个不同时刻t1，t2的取值之间的相关程度。以两个不同信号（序列）为例，xcorr函数是通过不反折的卷积来衡量这两个信号在不同位置的相似程度，假设两个序列的长度分别是m和n，则得到的是一个长度为2*max(m,n)-1的序列，也就是说，当m和n不相等的时候，在执行xcorr的时候会先对短的那个序列进行0扩充，使得m与n相等；
5. corrcoef函数是通过协方差矩阵来衡量这两个信号在不同局部的相似程度，计算公式是：C(1,2)/SQRT(C(1,1)*C(2,2))，其中C表示矩阵[f,g]的协方差矩阵，假设f和g都是列向量（这两个序列的长度必须一样才能参与运算），则得到的（我们感兴趣的部分）是一个数。以默认的A=corrcoef(f,g)为例，输出A是一个二维矩阵（对角元恒为1），我们感兴趣的f和g的相关系数就存放在A(1,2)=A(2,1)上，其值在[-1,1]之间，1表示最大的正相关（例如x=[1;2;3], y=[5;7;9]），-1表示绝对值最大的负相关（例如x=[1;2;3], y=[12;7;2]）。对于一般的矩阵X，执行A=corrcoef(X)后，A中每个值的所在行a和列b，反应的是原矩阵X中相应的第a个列向量和第b个列向量的相似程度（即相关系数）。

来自：百度