Enligt olika databehandlingsmetoder finns det tre arkitekturer för informationsfusionssystem: distribuerat, centraliserat och hybrid.

1) Distribuerad: Först bearbetas originaldata som erhållits av oberoende sensorer lokalt, och sedan skickas resultaten till informationsfusionscentret för intelligent optimering och kombination för att erhålla de slutliga resultaten. Distributed har låg efterfrågan på kommunikationsbandbredd, snabb beräkningshastighet, god tillförlitlighet och kontinuitet, men spårningsnoggrannheten är mycket mindre än för centraliserad. Distribuerad fusionsstruktur kan delas in i distribuerad fusionsstruktur med återkoppling och distribuerad fusionsstruktur utan återkoppling.

2) Centralisering: Centralisering skickar rådata som erhålls av varje sensor direkt till den centrala processorn för fusionsbearbetning, som kan realisera fusion i realtid. Dess databehandlingsnoggrannhet är hög och dess algoritm är flexibel, men dess nackdelar är höga krav på processorn, låg tillförlitlighet och stor datamängd, så det är svårt att inse;

3) Hybrid: I det hybrida multisensorinformationsfusionsramverket använder vissa sensorer centraliserat fusionsläge och resten använder distribuerat fusionsläge. Hybridfusionsramverket har stark anpassningsförmåga, tar hänsyn till fördelarna med centraliserad fusion och distribution och har stark stabilitet. Strukturen för hybridfusionsläge är mer komplicerad än för de två första fusionslägena, vilket ökar kostnaderna för kommunikation och beräkning.

Kalman filter (KF)

Processen för informationsbearbetning av Kalman filter är i allmänhet förutsägelse och korrigering. Det är inte bara en enkel och konkret algoritm, utan också ett mycket användbart systembearbetningsschema i rollen som multisensorinformationsfusionsteknik. Faktum är att det liknar många systems metoder för att behandla informationsdata. Det ger en effektiv statistisk optimal uppskattning för de sammansmälta data med hjälp av matematisk iterativ rekursiv beräkning, men den kräver lite lagringsutrymme och beräkningar, så den är lämplig för miljön med begränsat databearbetningsutrymme och hastighet. KF kan delas in i två typer: distribuerat Kalmanfilter (DKF) och utökat Kalmanfilter (EKF). DKF kan göra datafusion helt decentraliserad, medan EKF effektivt kan övervinna inverkan av databehandlingsfel och instabilitet på informationsfusionsprocessen.