По различным методам обработки данных существует три архитектуры системы объединения информации: распределенная, централизованная и гибридная.

1) Распределенный: сначала исходные данные, полученные независимыми датчиками, обрабатываются локально, а затем результаты отправляются в центр объединения информации для интеллектуальной оптимизации и объединения для получения окончательных результатов. Распределенный имеет низкий спрос на полосу пропускания связи, высокую скорость вычислений, хорошую надежность и непрерывность, но точность отслеживания намного меньше, чем у централизованного. Распределенную структуру слияния можно разделить на структуру распределенного слияния с обратной связью и структуру распределенного слияния без обратной связи.

2) Централизация: Централизация отправляет необработанные данные, полученные каждым датчиком, непосредственно в центральный процессор для обработки слияния, который может реализовать слияние в реальном времени. Его точность обработки данных высока, а алгоритм гибок, но его недостатками являются высокие требования к процессору, низкая надежность и большой объем данных, поэтому его сложно реализовать;

3) Гибрид. В гибридной системе объединения нескольких датчиков информации некоторые датчики используют режим централизованного объединения, а остальные — режим распределенного объединения. Структура гибридного слияния обладает высокой адаптируемостью, учитывает преимущества централизованного слияния и распределения и обладает высокой стабильностью. Структура режима гибридного слияния сложнее, чем у первых двух режимов слияния, что увеличивает стоимость связи и вычислений.

Фильтр Калмана (КФ)

Процесс обработки информации фильтром Калмана, как правило, представляет собой прогнозирование и коррекцию. Это не только простой и конкретный алгоритм, но и очень полезная схема обработки системы в роли технологии мультисенсорного объединения информации. По сути, это похоже на методы обработки информационных данных многих систем. Он обеспечивает эффективную статистическую оптимальную оценку объединенных данных посредством математических итеративных рекурсивных вычислений, но требует мало места для хранения и вычислений, поэтому подходит для среды с ограниченным пространством и скоростью обработки данных. КФ можно разделить на два типа: распределенный фильтр Калмана (ДКФ) и расширенный фильтр Калмана (ЭКФ). DKF может сделать объединение данных полностью децентрализованным, а EKF может эффективно преодолеть влияние ошибок и нестабильности обработки данных на процесс объединения информации.