Ayon sa iba't ibang mga pamamaraan sa pagproseso ng data, mayroong tatlong mga arkitektura ng sistema ng pagsasanib ng impormasyon: ipinamamahagi, sentralisado at hybrid.

1) Ipinamamahagi: Una, ang orihinal na data na nakuha ng mga independiyenteng sensor ay naproseso nang lokal, at pagkatapos ay ang mga resulta ay ipinadala sa Information Fusion Center para sa intelihenteng pag -optimize at kumbinasyon upang makuha ang pangwakas na mga resulta. Ang ipinamamahagi ay may mababang demand para sa bandwidth ng komunikasyon, mabilis na bilis ng pagkalkula, mahusay na pagiging maaasahan at pagpapatuloy, ngunit ang kawastuhan ng pagsubaybay ay mas mababa kaysa sa sentralisado. Ang ipinamamahaging istraktura ng pagsasanib ay maaaring nahahati sa ipinamamahaging istraktura ng pagsasanib na may feedback at ipinamamahagi na istraktura ng pagsasanib nang walang puna.

2) Centralization: Ang sentralisasyon ay nagpapadala ng hilaw na data na nakuha ng bawat sensor nang direkta sa gitnang processor para sa pagproseso ng pagsasanib, na maaaring mapagtanto ang pagsasanib ng real-time. Ang katumpakan ng pagproseso ng data nito ay mataas at ang algorithm nito ay nababaluktot, ngunit ang mga kawalan nito ay mataas na mga kinakailangan para sa processor, mababang pagiging maaasahan at malaking dami ng data, kaya mahirap mapagtanto;

3) Hybrid: Sa hybrid multi-sensor na impormasyon ng fusion framework, ang ilang mga sensor ay nagpatibay ng sentralisadong mode ng pagsasanib, at ang natitira ay nagpatibay ng ipinamamahaging mode ng pagsasanib. Ang balangkas ng hybrid fusion ay may malakas na kakayahang umangkop, isinasaalang -alang ang mga pakinabang ng sentralisadong pagsasanib at pamamahagi, at may malakas na katatagan. Ang istraktura ng hybrid fusion mode ay mas kumplikado kaysa sa unang dalawang mode ng pagsasanib, na pinatataas ang gastos ng komunikasyon at pagkalkula.

Kalman Filter (KF)

Ang proseso ng pagproseso ng impormasyon ng filter ng Kalman ay karaniwang hula at pagwawasto. Ito ay hindi lamang isang simple at kongkreto na algorithm, kundi pati na rin isang napaka-kapaki-pakinabang na pamamaraan sa pagproseso ng system sa papel ng teknolohiyang fusion fusion ng multi-sensor. Sa katunayan, ito ay katulad ng maraming mga pamamaraan ng mga sistema ng pagproseso ng data ng impormasyon. Nagbibigay ito ng isang epektibong istatistika na pinakamabuting kalagayan na pagtatantya para sa fused data sa pamamagitan ng pagkalkula ng matematika na pag -urong ng pag -recursive, ngunit nangangailangan ito ng kaunting espasyo sa pag -iimbak at pagkalkula, kaya angkop ito para sa kapaligiran na may limitadong puwang sa pagproseso ng data at bilis. Ang KF ay maaaring nahahati sa dalawang uri: ipinamamahagi na Kalman filter (DKF) at pinalawak na Kalman filter (EKF). Ang DKF ay maaaring gumawa ng data fusion na ganap na desentralisado, habang ang EKF ay maaaring epektibong pagtagumpayan ang impluwensya ng mga error sa pagproseso ng data at kawalang -tatag sa proseso ng pagsasanib ng impormasyon.