Відповідно до різних методів обробки даних, існує три архітектури системи злиття інформації: розподілена, централізована та гібридна.

1) Розподілено: По -перше, оригінальні дані, отримані незалежними датчиками, обробляються локально, а потім результати надсилаються до Інформаційного центру Fusion для інтелектуальної оптимізації та комбінації для отримання остаточних результатів. Розподілений має низький попит на пропускну здатність зв'язку, швидку швидкість обчислення, хорошу надійність та безперервність, але точність відстеження набагато менша, ніж у централізованої. Розподілена структура злиття може бути поділена на розподілену структуру синтезу із зворотним зв'язком та розподіленою структурою синтезу без зворотного зв'язку.

2) Централізація: Централізація надсилає необроблені дані, отримані кожним датчиком безпосередньо до центрального процесора для обробки злиття, що може реалізувати синтез у реальному часі. Його точність обробки даних висока, а його алгоритм є гнучким, але його недоліки є високими вимогами до процесора, низької надійності та великого обсягу даних, тому важко реалізувати;

3) Гібрид: У гібридній багатосенсорній інформаційній рамці Fusion, деякі датчики приймають централізований режим синтезу, а решта приймають розподілений режим синтезу. Гібридна рамка синтезу має сильну пристосованість, враховує переваги централізованого синтезу та розподілу та має сильну стабільність. Структура режиму гібридного синтезу складніша, ніж у перших двох режимів злиття, що збільшує вартість зв'язку та обчислення.

Фільтр Калмана (KF)

Процес обробки інформації фільтром Калмана, як правило, прогнозування та корекція. Це не лише простий і конкретний алгоритм, але й дуже корисна схема обробки системи у ролі багатосенсорної інформації про злиття інформації. Насправді він схожий на методи багатьох систем обробки інформаційних даних. Він забезпечує ефективну статистичну оптимальну оцінку для зрощених даних за допомогою математичного ітеративного рекурсивного розрахунку, але для цього потрібно мало місця для зберігання та обчислення, тому він підходить для середовища з обмеженим простором та швидкістю обробки даних. KF можна розділити на два типи: розподілений фільтр Kalman (DKF) та розширений фільтр Калмана (EKF). DKF може зробити синтез даних повністю децентралізованим, тоді як EKF може ефективно подолати вплив помилок обробки даних та нестабільності на процес синтезу інформації.