空間共變異數估計（收縮）

每個黎曼特徵的好壞，取決於它起步的共變異數估計，而當通道數逼近或超過取樣點數時，樣本共變異數是很差的估計量：它的小特徵值被系統性低估（被推向零），使矩陣病態或奇異，破壞 SPD 幾何。收縮估計量（Ledoit-Wolf、OAS）以樣本共變異數與縮放後的單位矩陣目標作凸組合來補救，(1-lambda) S + lambda (trace(S)/C) I，其中 lambda 以解析方式選取以最小化期望誤差。

收縮保證得到良態且嚴格正定的矩陣，這是矩陣對數、測地距離與穩定 Karcher 平均的前提，而且對下游解碼的改善，往往比黎曼分類器的選擇更大。當有假影或已知空間結構時，也會採用穩健式或區塊、Toeplitz 結構化的估計量。