Volgens verschillende methoden voor gegevensverwerking zijn er drie architecturen van het informatiefusiesysteem: gedistribueerd, gecentraliseerd en hybride.

1) Gedistribueerd: eerst worden de oorspronkelijke gegevens verkregen door onafhankelijke sensoren lokaal verwerkt en worden vervolgens de resultaten verzonden naar het Information Fusion Center voor intelligente optimalisatie en combinatie om de uiteindelijke resultaten te verkrijgen. Gedistribueerd heeft een lage vraag naar communicatiebandbreedte, snelle berekeningssnelheid, goede betrouwbaarheid en continuïteit, maar de trackingnauwkeurigheid is veel minder dan die van gecentraliseerde. Gedistribueerde fusiestructuur kan worden onderverdeeld in gedistribueerde fusiestructuur met feedback en verdeelde fusiestructuur zonder feedback.

2) Centralisatie: centralisatie stuurt de onbewerkte gegevens die door elke sensor rechtstreeks naar de centrale processor worden verkregen voor fusieverwerking, die realtime fusie kan realiseren. De nauwkeurigheid van de gegevensverwerking is hoog en het algoritme is flexibel, maar de nadelen zijn hoge vereisten voor de processor, lage betrouwbaarheid en groot datavolume, dus het is moeilijk te realiseren;

3) Hybride: in het hybride multi-sensorinformatiefusieframework nemen sommige sensoren gecentraliseerde fusiemodus aan en de rest hanteert de gedistribueerde fusiemodus. Het hybride fusiekader heeft een sterk aanpassingsvermogen, houdt rekening met de voordelen van gecentraliseerde fusie en distributie en heeft een sterke stabiliteit. De structuur van de hybride fusiemodus is ingewikkelder dan die van de eerste twee fusiemodi, die de kosten van communicatie en berekening verhogen.

Kalman -filter (KF)

Het proces van informatieverwerking door Kalman -filter is over het algemeen voorspelling en correctie. Het is niet alleen een eenvoudig en concreet algoritme, maar ook een zeer nuttig systeemverwerkingsschema in de rol van multi-sensor informatiefusietechnologie. Het is in feite vergelijkbaar met de methoden van veel systemen om informatiegegevens te verwerken. Het biedt een effectieve statistische optimale schatting voor de versmolten gegevens door middel van wiskundige iteratieve recursieve berekening, maar het vereist weinig opslagruimte en berekening, dus het is geschikt voor de omgeving met beperkte gegevensverwerkingsruimte en snelheid. KF kan worden onderverdeeld in twee typen: gedistribueerde Kalman -filter (DKF) en uitgebreide Kalman -filter (EKF). DKF kan gegevensfusie volledig gedecentraliseerd maken, terwijl EKF de invloed van gegevensverwerkingsfouten en instabiliteit op informatiefusieproces effectief kan overwinnen.