Conform diferitelor metode de procesare a datelor, există trei arhitecturi ale sistemului de fuziune a informațiilor: distribuit, centralizat și hibrid.

1) Distribuit: În primul rând, datele originale obținute de senzori independenți sunt procesate local, iar apoi rezultatele sunt trimise la centrul de fuziune a informațiilor pentru optimizare și combinare inteligentă pentru a obține rezultatele finale. Distribuit are o cerere redusă de lățime de bandă de comunicație, viteză rapidă de calcul, fiabilitate și continuitate bună, dar precizia de urmărire este mult mai mică decât cea a celui centralizat. Structura de fuziune distribuită poate fi împărțită în structură de fuziune distribuită cu feedback și structură de fuziune distribuită fără feedback.

2) Centralizare: Centralizarea trimite datele brute obținute de fiecare senzor direct către procesorul central pentru procesarea fuziunii, care poate realiza fuziunea în timp real. Precizia sa de prelucrare a datelor este mare, iar algoritmul său este flexibil, dar dezavantajele sale sunt cerințele ridicate pentru procesor, fiabilitatea scăzută și volumul mare de date, deci este dificil de realizat;

3) Hibrid: în cadrul hibrid de fuziune a informațiilor multi-senzori, unii senzori adoptă modul de fuziune centralizat, iar restul adoptă modul de fuziune distribuită. Cadrul de fuziune hibridă are o adaptabilitate puternică, ia în considerare avantajele fuziunii și distribuției centralizate și are o stabilitate puternică. Structura modului de fuziune hibrid este mai complicată decât cea a primelor două moduri de fuziune, ceea ce crește costul de comunicare și calcul.

filtru Kalman (KF)

Procesul de prelucrare a informațiilor prin filtrul Kalman este în general predicție și corecție. Nu este doar un algoritm simplu și concret, ci și o schemă de procesare a sistemului foarte utilă în rolul tehnologiei de fuziune a informațiilor cu mai multe senzori. De fapt, este similar cu metodele multor sisteme de prelucrare a datelor informaționale. Oferă o estimare statistică optimă eficientă pentru datele fuzionate prin intermediul calculului recursiv iterativ matematic, dar necesită puțin spațiu de stocare și calcul, deci este potrivit pentru mediul cu spațiu și viteză limitate de procesare a datelor. KF poate fi împărțit în două tipuri: filtru Kalman distribuit (DKF) și filtru Kalman extins (EKF). DKF poate face fuziunea datelor complet descentralizată, în timp ce EKF poate depăși în mod eficient influența erorilor de procesare a datelor și a instabilității asupra procesului de fuziune a informațiilor.