さまざまなデータ処理方法によれば、情報融合システムには3つのアーキテクチャがあります。分散、集中、ハイブリッドです。

1）分布：最初に、独立したセンサーによって取得された元のデータはローカルで処理され、その後、結果はインテリジェントな最適化と組み合わせのために情報融合センターに送信され、最終結果が得られます。分散は、通信帯域幅、高速計算速度、良好な信頼性、継続性に対する需要が低くなりますが、追跡精度は集中化されたものよりもはるかに少ないです。分散型融合構造は、フィードバックとフィードバックなしで分布した融合構造を使用して、分散融合構造に分けることができます。

2）集中化：集中化は、各センサーによって取得された生データを、融合処理のために中央プロセッサに直接送信します。これにより、リアルタイムの融合が実現できます。そのデータ処理の精度は高く、そのアルゴリズムは柔軟ですが、その欠点はプロセッサの高い要件、低い信頼性、および大きなデータ量であるため、実現することは困難です。

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、残りは分散融合モードを採用しています。ハイブリッド融合フレームワークは、強力な適応性を持ち、集中融合と分布の利点を考慮し、安定性が強い。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、通信コスト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、一般に予測と修正です。シンプルで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ける非常に有用なシステム処理スキームでもあります。実際、情報データを処理する多くのシステムの方法に似ています。数学的な反復的再帰計算により、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、保管スペースと計算はほとんど必要ありません。したがって、データ処理スペースと速度が限ら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つのタイプに分けることができます。 DKFはデータ融合を完全に分散化することができますが、EKFは情報処理エラーと情報融合プロセスに対する不安定性の影響を効果的に克服できます。