Според различни методи за обработка на данни има три архитектури на информационната система за синтез: разпределена, централизирана и хибридна.

1) Разпределено: Първо, оригиналните данни, получени от независими сензори, се обработват локално и след това резултатите се изпращат в центъра за информационно синтез за интелигентна оптимизация и комбинация, за да се получат крайните резултати. Разпределеното има ниско търсене на честотна лента на комуникацията, бърза скорост на изчисляване, добра надеждност и непрекъснатост, но точността на проследяване е далеч по -малка от тази на централизираната. Разпределената структура на синтез може да бъде разделена на разпределена структура на синтез с обратна връзка и разпределена структура на синтез без обратна връзка.

2) Централизация: Централизацията изпраща суровите данни, получени от всеки сензор директно към централния процесор за обработка на синтез, което може да реализира синтез в реално време. Точността на обработка на данни е висока и алгоритъмът му е гъвкав, но недостатъците му са високи изисквания за процесора, ниската надеждност и големия обем на данни, така че е трудно да се реализира;

3) Хибрид: В рамката за хибридна мултисензорна информация за синтез, някои сензори приемат режим на централизиран синтез, а останалите приемат разпределен режим на синтез. Хибридната рамка за синтез има силна адаптивност, отчита предимствата на централизираното синтез и разпределението и има силна стабилност. Структурата на хибридния режим на сливане е по -сложна от тази на първите два режима на сливане, което увеличава цената на комуникацията и изчислението.

Калман филтър (KF)

Процесът на обработка на информация от филтъра на Калман обикновено е прогнозата и корекцията. Той е не само прост и конкретен алгоритъм, но и много полезна схема за обработка на системата в ролята на технологията за много сензорни информационни технологии. Всъщност тя е подобна на методите на много системи за обработка на информационни данни. Той предоставя ефективна статистическа оптимална оценка за слетите данни чрез математическо итеративно рекурсивно изчисление, но изисква малко пространство и изчисление на съхранение, така че е подходящ за околната среда с ограничено пространство и скорост на обработка на данни. KF може да бъде разделен на два типа: Разпределен филтър Kalman (DKF) и разширен филтър Kalman (EKF). DKF може да направи сливането на данни напълно децентрализиран, докато EKF може ефективно да преодолее влиянието на грешките за обработка на данни и нестабилността върху процеса на синтез на информация.