Според различни методи за обработка на податоци, постојат три архитектури на систем за фузија на информации: дистрибуирани, централизирани и хибридни.

1) Дистрибуирано: Прво, оригиналните податоци добиени од независни сензори се обработуваат локално, а потоа резултатите се испраќаат до центарот за фузија на информации за интелигентна оптимизација и комбинација за да се добијат конечните резултати. Дистрибуираната има мала побарувачка за ширина на опсег на комуникација, брза брзина на пресметување, добра сигурност и континуитет, но точноста на следењето е далеку помала од онаа на централизираната. Дистрибуираната структура на фузија може да се подели на дистрибуирана структура на фузија со повратни информации и дистрибуирана структура на фузија без повратни информации.

2) Централизација: Централизацијата ги испраќа сурови податоци добиени од секој сензор директно до централниот процесор за обработка на фузија, кој може да реализира фузија во реално време. Неговата точност за обработка на податоци е голема и неговиот алгоритам е флексибилен, но неговите недостатоци се големи барања за процесорот, мала сигурност и голем обем на податоци, така што е тешко да се реализира;

3) Хибрид: Во рамка за фузија на хибридна мулти-сензорна информација, некои сензори усвојуваат централизиран режим на фузија, а останатите усвојуваат дистрибуиран режим на фузија. Хибридната рамка за фузија има силна прилагодливост, ги зема предвид предностите на централизираната фузија и дистрибуција и има силна стабилност. Структурата на режимот на хибриден фузија е покомплицирана од онаа на првите два режими на фузија, што ги зголемува трошоците за комуникација и пресметка.

Калман филтер (КФ)

Процесот на обработка на информации од филтерот Калман генерално е предвидување и корекција. Тоа не е само едноставен и конкретен алгоритам, туку и многу корисна шема за обработка на системот во улога на мулти-сензорна технологија за фузија на информации. Всушност, тој е сличен на многу методи на системи за обработка на податоци за информации. Обезбедува ефикасна статистичка оптимална проценка за споени податоци со помош на математичка итеративна рекурзивна пресметка, но бара малку простор за складирање и пресметка, така што е погодна за животната средина со ограничен простор за обработка на податоци и брзина. KF може да се подели на два вида: дистрибуиран филтер Калман (DKF) и продолжен филтер Калман (EKF). DKF може да ја направи фузијата на податоците целосно децентрализирана, додека EKF може ефикасно да го надмине влијанието на грешките во обработката на податоците и нестабилноста врз процесот на фузија на информации.