Menurut metode pemrosesan data yang berbeda, ada tiga arsitektur sistem fusi informasi: terdistribusi, terpusat, dan hibrid.

1) Didistribusikan: Pertama, data asli yang diperoleh oleh sensor independen diproses secara lokal, dan kemudian hasilnya dikirim ke pusat fusi informasi untuk optimasi dan kombinasi cerdas untuk mendapatkan hasil akhir. Terdistribusi memiliki permintaan bandwidth komunikasi yang rendah, kecepatan perhitungan yang cepat, keandalan dan kontinuitas yang baik, tetapi akurasi pelacakannya jauh lebih rendah dibandingkan dengan yang terpusat. Struktur fusi terdistribusi dapat dibagi menjadi struktur fusi terdistribusi dengan umpan balik dan struktur fusi terdistribusi tanpa umpan balik.

2) Sentralisasi: Sentralisasi mengirimkan data mentah yang diperoleh oleh masing-masing sensor langsung ke prosesor pusat untuk pemrosesan fusi, yang dapat mewujudkan fusi secara real-time. Akurasi pemrosesan datanya tinggi dan algoritmenya fleksibel, namun kekurangannya adalah persyaratan prosesor yang tinggi, keandalan yang rendah, dan volume data yang besar, sehingga sulit untuk direalisasikan;

3) Hibrid: Dalam kerangka fusi informasi multi-sensor hibrid, beberapa sensor mengadopsi mode fusi terpusat, dan sisanya mengadopsi mode fusi terdistribusi. Kerangka kerja fusi hibrida memiliki kemampuan beradaptasi yang kuat, mempertimbangkan keunggulan fusi dan distribusi terpusat, dan memiliki stabilitas yang kuat. Struktur mode fusi hibrid lebih rumit dibandingkan dua mode fusi pertama, sehingga meningkatkan biaya komunikasi dan perhitungan.

Filter Kalman (KF)

Proses pengolahan informasi dengan filter Kalman pada umumnya bersifat prediksi dan koreksi. Ini bukan hanya algoritma yang sederhana dan konkrit, tetapi juga skema pemrosesan sistem yang sangat berguna dalam peran teknologi fusi informasi multi-sensor. Faktanya, ini mirip dengan metode banyak sistem dalam memproses data informasi. Ini memberikan perkiraan optimal statistik yang efektif untuk data yang digabungkan melalui penghitungan rekursif berulang matematis, namun memerlukan sedikit ruang penyimpanan dan penghitungan, sehingga cocok untuk lingkungan dengan ruang dan kecepatan pemrosesan data yang terbatas. KF dapat dibagi menjadi dua jenis: filter Kalman terdistribusi (DKF) dan filter Kalman diperluas (EKF). DKF dapat menjadikan fusi data sepenuhnya terdesentralisasi, sementara EKF dapat secara efektif mengatasi pengaruh kesalahan pemrosesan data dan ketidakstabilan pada proses fusi informasi.