Volgens verskillende dataverwerkingsmetodes is daar drie argitekture van inligtingsamesmeltingstelsel: verspreide, gesentraliseerde en hibriede.

1) Versprei: Eerstens word die oorspronklike data wat deur onafhanklike sensors verkry is, plaaslik verwerk, en dan word die resultate na die inligtingsamesmeltingsentrum gestuur vir intelligente optimalisering en kombinasie om die finale resultate te verkry. Distribued het 'n lae vraag na kommunikasiebandwydte, vinnige berekeningspoed, goeie betroubaarheid en kontinuïteit, maar die opsporingsakkuraatheid is veel minder as dié van gesentraliseerde een. Verspreide samesmeltingstruktuur kan verdeel word in verspreide samesmeltingstruktuur met terugvoer en verspreide samesmeltingstruktuur sonder terugvoer.

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

3) Hibried: In die hibriede multi-sensor inligtingsamesmeltingsraamwerk, neem sommige sensors gesentraliseerde samesmeltingsmodus aan, en die res neem verspreide samesmeltingsmodus aan. Die hibriede samesmeltingsraamwerk het sterk aanpasbaarheid, neem die voordele van gesentraliseerde samesmelting en verspreiding in ag en het sterk stabiliteit. Die struktuur van hibriede samesmeltingsmodus is meer ingewikkeld as dié van die eerste twee samesmeltingsmodusse, wat die koste van kommunikasie en berekening verhoog.

Kalman filter (KF)

Die proses van inligtingverwerking 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 inligtingsamesmeltingstegnologie. Trouens, dit is soortgelyk aan baie stelsels se metodes om inligtingsdata te verwerk. Dit verskaf 'n effektiewe statistiese optimale skatting vir die saamgesmelte data deur middel van wiskundige iteratiewe rekursiewe berekening, maar dit verg min stoorspasie en berekening, dus is dit geskik vir die omgewing met beperkte dataverwerkingspasie en spoed. KF kan in twee tipes verdeel word: verspreide Kalman-filter (DKF) en uitgebreide Kalman-filter (EKF). DKF kan datasamesmelting heeltemal gedesentraliseerd maak, terwyl EKF die invloed van dataverwerkingsfoute en onstabiliteit op inligtingsamesmeltingsproses effektief kan oorkom.