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

1) Terdistribusi: 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 cepat, keandalan dan kontinuitas yang baik, tetapi akurasi pelacakan jauh lebih sedikit daripada 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 waktu nyata. Akurasi pemrosesan datanya tinggi dan algoritma fleksibel, tetapi kelemahannya adalah persyaratan yang tinggi untuk prosesor, keandalan rendah dan volume data yang besar, sehingga sulit untuk disadari;

3) Hibrida: Dalam kerangka fusi informasi multi-sensor hybrid, beberapa sensor mengadopsi mode fusi terpusat, dan sisanya mengadopsi mode fusi terdistribusi. Kerangka kerja fusi hibrida memiliki kemampuan beradaptasi yang kuat, memperhitungkan keuntungan dari fusi dan distribusi terpusat, dan memiliki stabilitas yang kuat. Struktur mode fusi hibrida lebih rumit daripada dari dua mode fusi pertama, yang meningkatkan biaya komunikasi dan perhitungan.

Kalman Filter (KF)

Proses pemrosesan informasi oleh filter Kalman umumnya adalah prediksi dan koreksi. Ini bukan hanya algoritma yang sederhana dan konkret, tetapi juga skema pemrosesan sistem yang sangat berguna dalam peran teknologi fusi informasi multi-sensor. Bahkan, ini mirip dengan banyak metode pemrosesan data informasi. Ini memberikan perkiraan optimal statistik yang efektif untuk data yang menyatu dengan menggunakan perhitungan rekursif iteratif matematika, tetapi membutuhkan sedikit ruang penyimpanan dan perhitungan, 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 (EKF) yang diperluas. DKF dapat membuat fusi data sepenuhnya terdesentralisasi, sementara EKF dapat secara efektif mengatasi pengaruh kesalahan pemrosesan data dan ketidakstabilan pada proses fusi informasi.