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

1) Distribuert: For det første behandles de opprinnelige dataene som er oppnådd av uavhengige sensorer lokalt, og deretter blir resultatene sendt 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 rå data oppnådd av hver sensor direkte til den sentrale prosessoren for fusjonsbehandling, som kan realisere sanntids fusjon. Databehandlingsnøyaktigheten er høy og algoritmen er fleksibel, men ulempene er høye krav til prosessoren, lav pålitelighet og stort datavolum, så det er vanskelig å realisere;

3) Hybrid: I Hybrid Multi-Sensor Information Fusion-rammeverk tar noen sensorer sentralisert fusjonsmodus, og resten adopterer distribuert fusjonsmodus. Hybrid -fusjonsrammen har sterk tilpasningsevne, tar hensyn til fordelene med sentralisert fusjon og distribusjon, og har sterk stabilitet. Strukturen til hybridfusjonsmodus er mer komplisert enn den for de to første fusjonsmodusene, noe som øker kostnadene for kommunikasjon og beregning.

Kalman Filter (KF)

Prosessen med informasjonsbehandling av Kalman -filter er generelt prediksjon og korreksjon. Det er ikke bare en enkel og konkret algoritme, men også et veldig nyttig systembehandlingsskjema i rollen som multisensorinformasjonsfusjonsteknologi. Faktisk ligner det på mange systems metoder for å behandle informasjonsdata. Det gir et effektivt statistisk optimalt estimat for smeltede data ved hjelp av matematisk iterativ rekursiv beregning, men det krever lite lagringsplass og beregning, så det er egnet for miljøet 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 fullstendig desentralisert, mens EKF effektivt kan overvinne påvirkningen av databehandlingsfeil og ustabilitet på informasjonsfusjonsprosessen.