Prema različitim metodama obrade podataka, postoje tri arhitekture sistema fuzije informacija: distribuirana, centralizovana i hibridna.

1) Distribuirano: Prvo, originalni podaci dobijeni nezavisnim senzorima se obrađuju lokalno, a zatim se rezultati šalju u centar za fuziju informacija radi inteligentne optimizacije i kombinacije kako bi se dobili konačni rezultati. Distribuirani ima malu potražnju za komunikacijskim propusnim opsegom, brzu brzinu proračuna, dobru pouzdanost i kontinuitet, ali je tačnost praćenja daleko manja od one centralizirane. Distribuirana fuzijska struktura može se podijeliti na distribuiranu fuzijsku strukturu sa povratnom spregom i distribuiranu fuzijsku strukturu bez povratne informacije.

2) Centralizacija: Centralizacija šalje sirove podatke dobijene od svakog senzora direktno u centralni procesor za fuzionu obradu, koji može realizovati fuziju u realnom vremenu. Njegova tačnost obrade podataka je visoka i algoritam je fleksibilan, ali su mu nedostaci visoki zahtevi za procesorom, niska pouzdanost i veliki obim podataka, pa ga je teško realizovati;

3) Hibrid: U hibridnom multi-senzorskom informacijskom fuzijskom okviru, neki senzori usvajaju centralizovani režim fuzije, a ostali prihvataju distribuirani režim fuzije. Okvir hibridne fuzije ima snažnu prilagodljivost, uzima u obzir prednosti centralizirane fuzije i distribucije i ima jaku stabilnost. Struktura hibridnog načina fuzije je složenija od strukture prva dva načina fuzije, što povećava troškove komunikacije i proračuna.

Kalman filter (KF)

Proces obrade informacija Kalmanovim filterom je općenito predviđanje i korekcija. To nije samo jednostavan i konkretan algoritam, već i vrlo korisna šema za procesiranje sistema u ulozi tehnologije fuzije informacija sa više senzora. U stvari, to je slično mnogim sistemskim metodama obrade informacijskih podataka. Pruža efikasnu statističku optimalnu procjenu spojenih podataka pomoću matematičkog iterativnog rekurzivnog izračunavanja, ali zahtijeva malo prostora za skladištenje i proračun, tako da je pogodan za okruženje sa ograničenim prostorom i brzinom obrade podataka. KF se može podijeliti u dva tipa: distribuirani Kalmanov filter (DKF) i prošireni Kalmanov filter (EKF). DKF može fuziju podataka učiniti potpuno decentralizovanom, dok EKF može efikasno prevazići uticaj grešaka u obradi podataka i nestabilnosti na proces fuzije informacija.