检测功能数据中的结构变化是统计文献中的一个突出主题。然而，并非所有数据趋势在应用程序中都很重要，只有那些影响足够大的趋势才重要。本文讨论了识别协方差核的特征函数和特征值的相关变化的问题${\mathrm{<trans\; data-src="L">L（左）</trans>}}^{\mathrm{<trans\; data-src="2">2</trans>}}<trans\; data-src="[">[</trans>\mathrm{<trans\; data-src="0">0</trans>}<trans\; data-src=",">,</trans>\mathrm{<trans\; data-src="1">1</trans>}<trans\; data-src="]">]</trans>$-有价值的时间序列。通过自归一化技术，我们导出了二阶结构这些特性的相关变化的关键渐近一致性检验，并在模拟研究中研究了它们的有限样本性质。通过对德国年温度数据的分析，证明了我们方法的适用性。