विभिन्न डाटा प्रोसेसिङ विधिहरू अनुसार, सूचना फ्यूजन प्रणालीको तीन वास्तुकलाहरू छन्: वितरित, केन्द्रीकृत र हाइब्रिड।

1) वितरित: पहिले, स्वतन्त्र सेन्सरहरू द्वारा प्राप्त मौलिक डेटा स्थानीय रूपमा प्रशोधन गरिन्छ, र त्यसपछि परिणामहरू अन्तिम परिणामहरू प्राप्त गर्न बौद्धिक अनुकूलन र संयोजनको लागि सूचना फ्यूजन केन्द्रमा पठाइन्छ। वितरित संचार ब्यान्डविथ, छिटो गणना गति, राम्रो विश्वसनीयता र निरन्तरताको लागि कम माग छ, तर ट्र्याकिङ सटीकता केन्द्रीकृत एक भन्दा धेरै कम छ। वितरित फ्युजन संरचना प्रतिक्रिया सहित वितरित फ्यूजन संरचना र प्रतिक्रिया बिना वितरित फ्यूजन संरचना विभाजित गर्न सकिन्छ।

2) केन्द्रीकरण: केन्द्रीकरणले प्रत्येक सेन्सर द्वारा प्राप्त कच्चा डाटा सीधा फ्यूजन प्रक्रियाको लागि केन्द्रीय प्रोसेसरमा पठाउँछ, जसले वास्तविक-समय फ्यूजन महसुस गर्न सक्छ। यसको डेटा प्रशोधन शुद्धता उच्च छ र यसको एल्गोरिथ्म लचिलो छ, तर यसको बेफाइदा प्रोसेसर, कम विश्वसनीयता र ठूलो डेटा भोल्युमको लागि उच्च आवश्यकताहरू हुन्, त्यसैले यो महसुस गर्न गाह्रो छ;

3) हाइब्रिड: हाइब्रिड बहु-सेन्सर जानकारी फ्यूजन फ्रेमवर्कमा, केही सेन्सरहरूले केन्द्रीकृत फ्यूजन मोड अपनाउछन्, र बाँकीले वितरित फ्यूजन मोड अपनाउछन्। हाइब्रिड फ्युजन ढाँचामा बलियो अनुकूलता छ, केन्द्रीकृत फ्यूजन र वितरणको फाइदाहरूलाई ध्यानमा राख्छ, र बलियो स्थिरता छ। हाइब्रिड फ्युजन मोडको संरचना पहिलो दुई फ्युजन मोडहरूको भन्दा बढी जटिल छ, जसले सञ्चार र गणनाको लागत बढाउँछ।

Kalman फिल्टर (KF)

Kalman फिल्टर द्वारा सूचना प्रशोधन को प्रक्रिया सामान्यतया भविष्यवाणी र सुधार हो। यो एक साधारण र ठोस एल्गोरिथ्म मात्र होइन, तर बहु-सेन्सर सूचना फ्यूजन टेक्नोलोजीको भूमिकामा एक धेरै उपयोगी प्रणाली प्रशोधन योजना पनि हो। वास्तवमा, यो सूचना डाटा प्रशोधन गर्ने धेरै प्रणालीहरूको विधिहरूसँग मिल्दोजुल्दो छ। यसले गणितीय पुनरावृत्ति गणनाको माध्यमबाट फ्यूज गरिएको डेटाको लागि प्रभावकारी सांख्यिकीय इष्टतम अनुमान प्रदान गर्दछ, तर यसलाई थोरै भण्डारण ठाउँ र गणना चाहिन्छ, त्यसैले यो सीमित डाटा प्रशोधन ठाउँ र गतिको साथ वातावरणको लागि उपयुक्त छ। KF दुई प्रकारमा विभाजन गर्न सकिन्छ: वितरित Kalman फिल्टर (DKF) र विस्तारित Kalman फिल्टर (EKF)। DKF ले डाटा फ्युजनलाई पूर्ण रूपमा विकेन्द्रीकृत बनाउन सक्छ, जबकि EKF ले डाटा प्रोसेसिङ त्रुटि र सूचना फ्युजन प्रक्रियामा अस्थिरताको प्रभावलाई प्रभावकारी रूपमा हटाउन सक्छ।