A seconda dei diversi metodi di elaborazione dei dati, esistono tre architetture del sistema di fusione delle informazioni: distribuita, centralizzata e ibrida.

1) Distribuito: in primo luogo, i dati originali ottenuti da sensori indipendenti vengono elaborati localmente, quindi i risultati vengono inviati al centro di fusione delle informazioni per l'ottimizzazione e la combinazione intelligente per ottenere i risultati finali. Il sistema distribuito ha una bassa richiesta di larghezza di banda di comunicazione, velocità di calcolo elevata, buona affidabilità e continuità, ma la precisione di tracciamento è di gran lunga inferiore a quella centralizzata. La struttura di fusione distribuita può essere divisa in struttura di fusione distribuita con feedback e struttura di fusione distribuita senza feedback.

2) Centralizzazione: la centralizzazione invia i dati grezzi ottenuti da ciascun sensore direttamente al processore centrale per l'elaborazione della fusione, che può realizzare la fusione in tempo reale. La sua precisione nell'elaborazione dei dati è elevata e il suo algoritmo è flessibile, ma i suoi svantaggi sono i requisiti elevati per il processore, la bassa affidabilità e un grande volume di dati, quindi è difficile da realizzare;

3) Ibrido: nel quadro della fusione delle informazioni multisensore ibrido, alcuni sensori adottano la modalità di fusione centralizzata e gli altri adottano la modalità di fusione distribuita. Il quadro della fusione ibrida ha una forte adattabilità, tiene conto dei vantaggi della fusione e della distribuzione centralizzata e ha una forte stabilità. La struttura della modalità di fusione ibrida è più complicata di quella delle prime due modalità di fusione, il che aumenta i costi di comunicazione e calcolo.

Filtro Kalman (KF)

Il processo di elaborazione delle informazioni da parte del filtro di Kalman è generalmente previsione e correzione. Non è solo un algoritmo semplice e concreto, ma anche uno schema di elaborazione del sistema molto utile nel ruolo della tecnologia di fusione delle informazioni multisensore. In effetti, è simile ai metodi di elaborazione dei dati informativi di molti sistemi. Fornisce una stima statistica ottimale efficace per i dati fusi mediante calcoli ricorsivi iterativi matematici, ma richiede poco spazio di archiviazione e calcolo, quindi è adatto per ambienti con spazio e velocità di elaborazione dei dati limitati. Il KF può essere suddiviso in due tipologie: filtro di Kalman distribuito (DKF) e filtro di Kalman esteso (EKF). DKF può rendere la fusione dei dati completamente decentralizzata, mentre EKF può superare efficacemente l'influenza degli errori di elaborazione dei dati e dell'instabilità sul processo di fusione delle informazioni.