विविध डेटा प्रोसेसिंग पद्धतींनुसार, माहिती संलयन प्रणालीचे तीन आर्किटेक्चर आहेत: वितरित, केंद्रीकृत आणि संकरित.

1) वितरित: प्रथम, स्वतंत्र सेन्सर्सद्वारे प्राप्त केलेला मूळ डेटा स्थानिक पातळीवर प्रक्रिया केला जातो आणि नंतर अंतिम परिणाम प्राप्त करण्यासाठी बुद्धिमान ऑप्टिमायझेशन आणि संयोजनासाठी परिणाम माहिती संलयन केंद्राकडे पाठवले जातात. डिस्ट्रिब्युटेडला कम्युनिकेशन बँडविड्थ, वेगवान गणना गती, चांगली विश्वासार्हता आणि सातत्य यासाठी कमी मागणी आहे, परंतु ट्रॅकिंग अचूकता केंद्रीकृत पेक्षा खूपच कमी आहे. वितरित संलयन रचना अभिप्रायासह वितरित संलयन रचना आणि अभिप्रायाशिवाय वितरीत संलयन रचनामध्ये विभागली जाऊ शकते.

2) केंद्रीकरण: केंद्रीकरण प्रत्येक सेन्सरद्वारे प्राप्त केलेला कच्चा डेटा फ्यूजन प्रक्रियेसाठी थेट सेंट्रल प्रोसेसरकडे पाठवते, जे रिअल-टाइम फ्यूजन ओळखू शकते. त्याची डेटा प्रोसेसिंग अचूकता उच्च आहे आणि त्याचे अल्गोरिदम लवचिक आहे, परंतु त्याचे तोटे प्रोसेसरसाठी उच्च आवश्यकता, कमी विश्वासार्हता आणि मोठ्या डेटा व्हॉल्यूम आहेत, त्यामुळे हे लक्षात घेणे कठीण आहे;

3) हायब्रीड: हायब्रिड मल्टी-सेन्सर माहिती फ्यूजन फ्रेमवर्कमध्ये, काही सेन्सर्स केंद्रीकृत फ्यूजन मोडचा अवलंब करतात आणि बाकीचे वितरित फ्यूजन मोड स्वीकारतात. हायब्रिड फ्यूजन फ्रेमवर्कमध्ये मजबूत अनुकूलता आहे, केंद्रीकृत फ्यूजन आणि वितरणाचे फायदे विचारात घेतात आणि मजबूत स्थिरता आहे. संकरित फ्यूजन मोडची रचना पहिल्या दोन फ्यूजन मोडच्या तुलनेत अधिक क्लिष्ट आहे, ज्यामुळे संप्रेषण आणि गणनाची किंमत वाढते.

कालमन फिल्टर (KF)

Kalman फिल्टर द्वारे माहिती प्रक्रिया प्रक्रिया साधारणपणे अंदाज आणि सुधारणा आहे. हे केवळ एक साधे आणि ठोस अल्गोरिदम नाही तर मल्टी-सेन्सर माहिती फ्यूजन तंत्रज्ञानाच्या भूमिकेत एक अतिशय उपयुक्त प्रणाली प्रक्रिया योजना देखील आहे. खरं तर, हे माहिती डेटावर प्रक्रिया करण्याच्या अनेक प्रणालींच्या पद्धतींसारखेच आहे. हे गणितीय पुनरावृत्ती रिकर्सिव्ह गणनेद्वारे फ्यूज केलेल्या डेटासाठी एक प्रभावी सांख्यिकीय इष्टतम अंदाज प्रदान करते, परंतु त्यास थोडेसे स्टोरेज स्पेस आणि गणना आवश्यक आहे, त्यामुळे ते मर्यादित डेटा प्रोसेसिंग स्पेस आणि गती असलेल्या वातावरणासाठी योग्य आहे. KF दोन प्रकारांमध्ये विभागले जाऊ शकते: वितरित कालमन फिल्टर (DKF) आणि विस्तारित Kalman फिल्टर (EKF). डीकेएफ डेटा फ्यूजन पूर्णपणे विकेंद्रित करू शकते, तर ईकेएफ डेटा प्रोसेसिंग त्रुटी आणि माहिती फ्यूजन प्रक्रियेवरील अस्थिरतेच्या प्रभावावर प्रभावीपणे मात करू शकते.