Miturut cara pangolahan data sing beda-beda, ana telung arsitektur sistem fusi informasi: distribusi, terpusat lan hibrida.

1) Disebarake: Kaping pisanan, data asli sing dipikolehi dening sensor independen diproses sacara lokal, banjur asil dikirim menyang pusat fusi informasi kanggo optimalisasi lan kombinasi cerdas kanggo entuk asil pungkasan. Distribusi nduweni kurang dikarepake kanggo bandwidth komunikasi, kacepetan pitungan cepet, linuwih apik lan lampahing, nanging akurasi nelusuri adoh kurang saka siji terpusat. Struktur fusi terdistribusi bisa dipérang dadi struktur fusi terdistribusi kanthi umpan balik lan struktur fusi terdistribusi tanpa umpan balik.

2) Sentralisasi: Sentralisasi ngirim data mentah sing dipikolehi saben sensor langsung menyang prosesor tengah kanggo proses fusi, sing bisa mujudake fusi wektu nyata. Akurasi pangolahan data dhuwur lan algoritma fleksibel, nanging kekurangane yaiku syarat dhuwur kanggo prosesor, linuwih sing kurang lan volume data sing gedhe, saengga angel diwujudake;

3) Sato: Ing framework fusi informasi multi-sensor hibrida, sawetara sensor nganggo mode fusi terpusat, lan liyane nganggo mode fusi sing disebarake. Kerangka gabungan hibrida nduweni kemampuan adaptasi sing kuat, nganggep keuntungan saka fusi lan distribusi terpusat, lan nduweni stabilitas sing kuat. Struktur mode fusi hibrida luwih rumit tinimbang rong mode fusi pisanan, sing nambah biaya komunikasi lan pitungan.

Filter Kalman (KF)

Proses pangolahan informasi dening Filter Kalman umume prediksi lan koreksi. Iku ora mung algoritma prasaja lan konkrit, nanging uga skema Processing sistem banget migunani ing peran teknologi fusi informasi multi-sensor. Nyatane, padha karo akeh cara sistem kanggo ngolah data informasi. Nyedhiyakake perkiraan optimal statistik sing efektif kanggo data gabungan kanthi pitungan rekursif iteratif matematika, nanging mbutuhake papan panyimpenan lan pitungan sing sithik, saengga cocog kanggo lingkungan kanthi papan pangolahan data lan kacepetan sing winates. KF bisa dipérang dadi rong jinis: Distributed Kalman Filter (DKF) lan extended Kalman Filter (EKF). DKF bisa nggawe fusi data rampung desentralisasi, dene EKF bisa kanthi efektif ngatasi pengaruh kesalahan pangolahan data lan ketidakstabilan ing proses fusi informasi.