OS-CFAR相比CA-CFAR的技术优势有哪些？

首先明确两类算法的核心逻辑差异：

CA-CFAR的核心是对参考窗内所有参考单元的功率做算术平均，将平均值乘以虚警率对应的预设系数得到检测阈值；OS-CFAR则先对参考窗内所有单元的功率做排序，选取固定序位的功率值乘以预设系数得到检测阈值，两者的性能差异完全来自这一底层逻辑的不同。

OS-CFAR的核心技术优势主要有以下几点：

• 密集目标场景下漏检率更低
  CA-CFAR的参考窗如果存在其他同距离段的干扰目标，干扰目标的功率会直接拉高平均阈值，导致真实目标的功率低于阈值被漏检；OS-CFAR只要参考窗内的强干扰目标数量小于排序时被排除的高位单元数量，阈值估计就不会被明显拉高，在多目标并存、目标分布密集的场景下检测性能优势非常明显。
• 非均匀杂波环境适配性更强
  在地杂波、海杂波、城市杂波这类功率分布不均匀的杂波场景，以及杂波功率突变的杂波边缘区域，CA-CFAR的平均计算会把局部强杂波的功率扩散到整体阈值估计中，要么出现大量虚警，要么正常区域的目标被漏检；OS-CFAR的序值估计对局部非均匀杂波的敏感度低很多，能更稳定地维持预设的恒虚警率指标。
• 参考单元受限场景下性能更稳定
  CA-CFAR要得到准确的噪声功率估计，需要足够多的参考单元来平滑随机噪声波动，参考单元不足时阈值波动会非常大；OS-CFAR对参考单元数量的要求更低，只要参考单元数量满足排序取序的基本要求，就能输出相对稳定的阈值，在可用参考单元受限的小型雷达、短距离检测场景下表现更可靠。

内容的提问来源于stack exchange，提问作者litun bls