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

1) Распределение: во -первых, исходные данные, полученные независимыми датчиками, обрабатываются локально, а затем результаты отправляются в Центр слияния информации для интеллектуальной оптимизации и комбинации для получения окончательных результатов. Распределенный имеет низкий спрос на пропускную способность общения, быструю скорость расчета, хорошую надежность и непрерывность, но точность отслеживания гораздо меньше, чем у централизованного. Распределенная структура слияния может быть разделена на распределенную структуру слияния с обратной связью и распределенную структуру слияния без обратной связи.

2) Централизация: централизация посылает необработанные данные, полученные каждым датчиком, непосредственно в центральный процессор для обработки слияния, что может реализовать слияние в реальном времени. Точность его обработки данных высока, а его алгоритм является гибким, но его недостатки являются высокими требованиями для процессора, низкой надежности и большого объема данных, поэтому их трудно реализовать;

3) Гибрид: в гибридной многосенсорной структуре слияния информации некоторые датчики используют централизованный режим слияния, а остальные используют распределенный режим слияния. Гибридная структура слияния обладает сильной адаптивностью, учитывает преимущества централизованного слияния и распределения и обладает сильной стабильностью. Структура гибридного режима слияния более сложна, чем у первых двух режимов слияния, что увеличивает стоимость связи и расчета.

Калман фильтр (KF)

Процесс обработки информации фильтром Калмана, как правило, предсказание и коррекция. Это не только простой и конкретный алгоритм, но и очень полезная схема обработки системы в роли многосетенсовой технологии слияния информации. Фактически, это похоже на методы обработки информационных данных многих систем. Он обеспечивает эффективную статистическую оптимальную оценку для слитых данных с помощью математического итеративного рекурсивного расчета, но для этого требуется мало места для хранения и расчета, поэтому он подходит для среды с ограниченным пространством обработки данных и скоростью. KF можно разделить на два типа: распределенный фильтр Kalman (DKF) и расширенный фильтр Калмана (EKF). DKF может сделать слияние данных полностью децентрализованным, в то время как EKF может эффективно преодолеть влияние ошибок обработки данных и нестабильности на процесс слияния информации.