Volgens verskillende metodes vir dataverwerking is daar drie argitektuur van inligtingversmeltingsisteem: verspreid, gesentraliseerd en baster.

1) Versprei: Eerstens word die oorspronklike gegewens wat deur onafhanklike sensors verkry is, plaaslik verwerk, en dan word die resultate na die Information Fusion Centre gestuur vir intelligente optimalisering en kombinasie om die finale resultate te verkry. Versprei het 'n lae vraag na kommunikasie -bandwydte, vinnige berekeningsnelheid, goeie betroubaarheid en kontinuïteit, maar die opsporings akkuraatheid is veel minder as die van gesentraliseerde. Verspreide samesmeltingsstruktuur kan met terugvoer en verspreide samesmeltingsstruktuur in verspreide samesmeltingsstruktuur verdeel word sonder terugvoer.

2) Sentralisasie: Sentralisasie stuur die rou data wat deur elke sensor direk na die sentrale verwerker verkry is vir fusieverwerking, wat intydse samesmelting kan realiseer. Die akkuraatheid van dataverwerking is hoog en die algoritme is buigsaam, maar die nadele daarvan is 'n hoë vereistes vir die verwerker, lae betroubaarheid en groot datavolume, dus is dit moeilik om te besef;

3) Hybrid: In die baster-raamwerk vir multi-sensor-inligtingsfusie neem sommige sensors gesentraliseerde fusiemodus aan, en die res neem die verspreide fusiemodus aan. Die hibriede fusie -raamwerk het sterk aanpasbaarheid, hou die voordele van gesentraliseerde samesmelting en verspreiding in ag, en het sterk stabiliteit. Die struktuur van die basterfusiemodus is ingewikkelder as dié van die eerste twee fusiemodusse, wat die koste van kommunikasie en berekening verhoog.

Kalman Filter (KF)

Die proses van die verwerking van inligting deur Kalman -filter is oor die algemeen voorspelling en regstelling. Dit is nie net 'n eenvoudige en konkrete algoritme nie, maar ook 'n baie nuttige stelselverwerkingskema in die rol van multi-sensor-inligtingversmeltingstegnologie. In werklikheid is dit soortgelyk aan baie stelsels se metodes om inligtingsdata te verwerk. Dit bied 'n effektiewe statistiese optimale skatting vir die versmelte data deur middel van wiskundige iteratiewe rekursiewe berekening, maar dit verg min stoorplek en berekening, dus is dit geskik vir die omgewing met beperkte dataverwerkingsruimte en -snelheid. KF kan in twee soorte verdeel word: verspreide Kalman -filter (DKF) en uitgebreide Kalman -filter (EKF). DKF kan data -samesmelting heeltemal gedesentraliseer maak, terwyl EKF die invloed van dataverwerkingsfoute en onstabiliteit op die fusieproses effektief kan oorkom.