I henhold til forskjellige databehandlingsmetoder er det tre arkitekturer for informasjonsfusjonssystem: distribuert, sentralisert og hybrid.

1) Distribuert: Først behandles de originale dataene innhentet av uavhengige sensorer lokalt, og deretter sendes resultatene til informasjonsfusjonssenteret for intelligent optimalisering og kombinasjon for å oppnå de endelige resultatene. Distribuert har lav etterspørsel etter kommunikasjonsbåndbredde, rask beregningshastighet, god pålitelighet og kontinuitet, men sporingsnøyaktigheten er langt mindre enn for sentralisert. Distribuert fusjonsstruktur kan deles inn i distribuert fusjonsstruktur med tilbakemelding og distribuert fusjonsstruktur uten tilbakemelding.

2) Sentralisering: Sentralisering sender rådata innhentet av hver sensor direkte til sentralprosessoren for fusjonsbehandling, som kan realisere sanntidsfusjon. Dens databehandlingsnøyaktighet er høy og algoritmen er fleksibel, men dens ulemper er høye krav til prosessoren, lav pålitelighet og stort datavolum, så det er vanskelig å realisere;

3) Hybrid: I det hybride multi-sensor informasjonsfusjonsrammeverket, bruker noen sensorer sentralisert fusjonsmodus, og resten bruker distribuert fusjonsmodus. Hybridfusjonsrammeverket har sterk tilpasningsevne, tar hensyn til fordelene med sentralisert fusjon og distribusjon, og har sterk stabilitet. Strukturen til hybrid fusjonsmodus er mer komplisert enn for de to første fusjonsmodusene, noe som øker kostnadene for kommunikasjon og beregning.

Kalman filter (KF)

Prosessen med informasjonsbehandling av Kalman-filteret er generelt prediksjon og korreksjon. Det er ikke bare en enkel og konkret algoritme, men også et veldig nyttig systembehandlingsskjema i rollen som multi-sensor informasjonsfusjonsteknologi. Faktisk ligner det mange systemers metoder for å behandle informasjonsdata. Det gir et effektivt statistisk optimalt estimat for de smeltede dataene ved hjelp av matematisk iterativ rekursiv beregning, men den krever lite lagringsplass og beregning, så den er egnet for miljøer med begrenset databehandlingsplass og hastighet. KF kan deles inn i to typer: distribuert Kalman-filter (DKF) og utvidet Kalman-filter (EKF). DKF kan gjøre datafusjon helt desentralisert, mens EKF effektivt kan overvinne påvirkningen av databehandlingsfeil og ustabilitet på informasjonsfusjonsprosessen.