Ifølge forskellige databehandlingsmetoder er der tre arkitekturer for informationsfusionssystem: distribueret, centraliseret og hybrid.

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

2) Centralisering: Centralisering sender rådata opnået af hver sensor direkte til den centrale processor til fusionsbehandling, som kan realisere fusion i realtid. Dens databehandlingsnøjagtighed er høj, og dens algoritme er fleksibel, men dens ulemper er høje krav til processoren, lav pålidelighed og stor datamængde, så det er svært at indse;

3) Hybrid: I den hybride multi-sensor informationsfusionsramme anvender nogle sensorer centraliseret fusionstilstand, og resten anvender distribueret fusionstilstand. Hybridfusionsrammen har stærk tilpasningsevne, tager højde for fordelene ved centraliseret fusion og distribution og har stærk stabilitet. Strukturen af ​​hybrid fusion mode er mere kompliceret end den af ​​de første to fusion modes, hvilket øger omkostningerne ved kommunikation og beregning.

Kalman filter (KF)

Processen med informationsbehandling af Kalman filter er generelt forudsigelse og korrektion. Det er ikke kun en simpel og konkret algoritme, men også et meget nyttigt systembehandlingsskema i rollen som multi-sensor informationsfusionsteknologi. Faktisk ligner det mange systemers metoder til at behandle informationsdata. Det giver et effektivt statistisk optimalt estimat for de fusionerede data ved hjælp af matematisk iterativ rekursiv beregning, men det kræver lidt lagerplads og beregning, så det er velegnet til miljøet med begrænset databehandlingsplads og -hastighed. KF kan opdeles i to typer: distribueret Kalman-filter (DKF) og udvidet Kalman-filter (EKF). DKF kan gøre datafusion fuldstændig decentraliseret, mens EKF effektivt kan overvinde indflydelsen af ​​databehandlingsfejl og ustabilitet på informationsfusionsprocessen.