I henhold til forskellige databehandlingsmetoder er der tre arkitekturer af informationsfusionssystem: distribueret, centraliseret og hybrid.

1) Distribueret: For det første behandles de originale data opnået af uafhængige sensorer lokalt, og derefter sendes resultaterne til informationsfusionscenteret for intelligent optimering og kombination for at opnå de endelige resultater. Distribueret har lav efterspørgsel efter kommunikationsbåndbredde, hurtig beregningshastighed, god pålidelighed og kontinuitet, men sporingsnøjagtigheden er langt mindre end den centrale. Distribueret fusionsstruktur kan opdeles i distribueret fusionsstruktur med feedback og distribueret fusionsstruktur uden feedback.

2) Centralisering: Centralisering sender de rå data opnået af hver sensor direkte til den centrale processor til fusionsbehandling, som kan realisere fusion i realtid. Dets databehandlingsnøjagtighed er høj, og dens algoritme er fleksibel, men dens ulemper er høje krav til processoren, lav pålidelighed og store datavolumen, så det er vanskeligt at indse;

3) Hybrid: I hybrid-flersensorinformationsfusionsrammerne vedtager nogle sensorer centraliseret fusionstilstand, og resten vedtager distribueret fusionstilstand. Hybridfusionsrammen har stærk tilpasningsevne, tager højde for fordelene ved centraliseret fusion og distribution og har stærk stabilitet. Strukturen af ​​hybridfusionstilstand er mere kompliceret end for de to første fusionstilstande, hvilket øger omkostningerne ved kommunikation og beregning.

Kalman Filter (KF)

Processen med informationsbehandling fra Kalman Filter er generelt forudsigelse og korrektion. Det er ikke kun en enkel og konkret algoritme, men også et meget nyttigt systembehandlingsskema i rollen som flersensorinformationsfusionsteknologi. Faktisk ligner det mange systemers metoder til behandling af informationsdata. Det tilvejebringer et effektivt statistisk optimalt skøn for de smeltede data ved hjælp af matematisk iterativ rekursiv beregning, men det kræver lidt lagerplads og beregning, så det er velegnet til miljøet med begrænset databehandlingsrum og hastighed. KF kan opdeles i to typer: distribueret Kalman -filter (DKF) og udvidet Kalman -filter (EKF). DKF kan gøre datafusion fuldstændigt decentraliseret, mens EKF effektivt kan overvinde indflydelsen af ​​databehandlingsfejl og ustabilitet på informationsfusionsprocessen.