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

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

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

3) Hibrid: În cadrul hibrid cu mai multe senzori de fuziune a informațiilor, unii senzori adoptă modul de fuziune centralizat, iar restul adoptă modul de fuziune distribuit. Cadrul de fuziune hibrid 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 comunicării și calculului.

Kalman Filter (KF)

Procesul de procesare a informațiilor de către 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 informațională cu mai multe senzori. De fapt, este similar cu metodele multor sisteme de procesare a informațiilor. Oferă o estimare optimă statistică eficientă pentru datele fuzionate prin intermediul unui calcul recursiv iterativ matematic, dar necesită puțin spațiu de stocare și calcul, astfel încât este potrivit pentru mediu cu spațiu și viteză de prelucrare a datelor limitate. 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 prelucrare a datelor și instabilitatea în procesul de fuziune a informațiilor.