优点：
- 参量检测的特点在于以似然比处理器为基础，并建立在假定干扰或噪声的统计特性已知的基础上。但实际上，干扰环境往往十分复杂，包括自然和人为因素，且常常随时改变。这使我们很难确定噪声的统计特性。因此人们提出了非参量检测。
- 非参量检测不需要考虑噪声的模型，它的适应性比较强，对各类噪声都表现出比较好的性能，尤其是虚警性能，而且非参量检测的实现也比较简单。
缺点：
- 然而，与参量检测相比，由于非参量检测没有利用干扰的先验统计知识，虽然适应性强，但针对性差。因此对于某些已知统计特性的干扰来说，非参量检测器的性能一般低于参量检测器的性能。
- 如果不知道输入数据的精确分布但能获得其近似分布，(比如是接近高斯的)，这时若用非参量检测器，会显得过于保守，将造成输入数据统计信息的损失。若采用参量检测器也不恰当，因为所掌握的输入数据的统计知识不完全。