さまざまなデータ処理方法に応じて、情報融合システムには分散型、集中型、ハイブリッド型の 3 つのアーキテクチャがあります。

1) 分散型: まず、独立したセンサーによって取得された元のデータがローカルで処理され、次にその結果が情報融合センターに送信され、インテリジェントな最適化と組み合わせが行われて最終結果が得られます。分散型は、通信帯域幅の需要が低く、計算速度が速く、信頼性と継続性が優れていますが、追跡精度は集中型のものに比べてはるかに低くなります。分散融合構造は、フィードバックありの分散融合構造とフィードバックなしの分散融合構造に分類できます。

2) 集中化: 集中化では、各センサーによって取得された生データが融合処理のために中央プロセッサに直接送信され、リアルタイムの融合を実現できます。データ処理精度が高く、アルゴリズムも柔軟ですが、プロセッサへの要求が高く、信頼性が低く、データ量が大きいため実現が難しいという欠点があります。

3) ハイブリッド: ハイブリッド マルチセンサー情報融合フレームワークでは、一部のセンサーは集中融合モードを採用し、残りのセンサーは分散融合モードを採用します。ハイブリッド融合フレームワークは、強力な適応性を備え、集中融合と分散の利点を考慮しており、強力な安定性を備えています。ハイブリッド融合モードの構造は、最初の 2 つの融合モードの構造よりも複雑であるため、通信と計算のコストが増加します。

カルマンフィルター(KF)

カルマンフィルターによる情報処理のプロセスは、一般に予測と補正です。これは、単純かつ具体的なアルゴリズムであるだけでなく、マルチセンサー情報融合技術の役割において非常に有用なシステム処理スキームでもあります。実際、これは多くのシステムの情報データの処理方法と似ています。数学的反復再帰計算により、融合データの効果的な統計的最適推定値を提供しますが、必要な記憶領域と計算がほとんどないため、データ処理領域と速度が制限されている環境に適しています。 KF は、分散カルマン フィルター (DKF) と拡張カルマン フィルター (EKF) の 2 つのタイプに分類できます。 DKF はデータ融合を完全に分散化できますが、EKF は情報融合プロセスに対するデータ処理エラーや不安定性の影響を効果的に克服できます。