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

1) Naipamahagi: Una, lokal na pinoproseso ang orihinal na data na nakuha ng mga independiyenteng sensor, at pagkatapos ay ipinapadala ang mga resulta sa information fusion center para sa matalinong pag-optimize at kumbinasyon upang makuha ang mga huling 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 katumpakan ng pagsubaybay ay mas mababa kaysa sa sentralisadong isa. Ang distributed fusion structure ay maaaring hatiin sa distributed fusion structure na may feedback at distributed fusion structure nang walang feedback.

2) Sentralisasyon: Ang sentralisasyon ay nagpapadala ng hilaw na data na nakuha ng bawat sensor nang direkta sa gitnang processor para sa pagpoproseso ng fusion, na maaaring mapagtanto ang real-time na pagsasanib. Ang katumpakan ng pagproseso ng data nito ay mataas at ang algorithm nito ay nababaluktot, ngunit ang mga disadvantages nito ay mataas na mga kinakailangan para sa processor, mababang pagiging maaasahan at malaking dami ng data, kaya't ito ay mahirap mapagtanto;

3) Hybrid: Sa hybrid multi-sensor information fusion framework, ang ilang mga sensor ay gumagamit ng sentralisadong fusion mode, at ang iba ay gumagamit ng distributed fusion mode. Ang hybrid fusion framework 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 fusion mode, na nagpapataas sa gastos ng komunikasyon at pagkalkula.

Kalman filter (KF)

Ang proseso ng pagproseso ng impormasyon sa pamamagitan ng Kalman filter ay karaniwang hula at pagwawasto. Ito ay hindi lamang isang simple at kongkreto algorithm, ngunit din ng isang napaka-kapaki-pakinabang na sistema ng pagpoproseso ng pamamaraan sa papel na ginagampanan ng multi-sensor information fusion teknolohiya. Sa katunayan, ito ay katulad ng maraming mga pamamaraan ng system sa pagproseso ng data ng impormasyon. Nagbibigay ito ng epektibong istatistikal na pinakamainam na pagtatantya para sa pinagsama-samang data sa pamamagitan ng mathematical iterative recursive na pagkalkula, ngunit nangangailangan ito ng maliit na espasyo sa imbakan at pagkalkula, kaya angkop ito para sa kapaligiran na may limitadong espasyo at bilis ng pagproseso ng data. Ang KF ay maaaring nahahati sa dalawang uri: distributed Kalman filter (DKF) at extended Kalman filter (EKF). Ang DKF ay maaaring gumawa ng data fusion na ganap na desentralisado, habang ang EKF ay maaaring epektibong mapagtagumpayan ang impluwensya ng mga error sa pagproseso ng data at kawalang-tatag sa proseso ng pagsasanib ng impormasyon.