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

1) Разпределени: Първо оригиналните данни, получени от независими сензори, се обработват локално и след това резултатите се изпращат до центъра за синтез на информация за интелигентна оптимизация и комбинация за получаване на крайните резултати. Разпределеният има ниско търсене на комуникационна честотна лента, бърза скорост на изчисление, добра надеждност и непрекъснатост, но точността на проследяване е много по-малка от тази на централизираното. Структурата на разпределения синтез може да бъде разделена на структура на разпределен синтез с обратна връзка и структура на разпределен синтез без обратна връзка.

2) Централизация: Централизацията изпраща необработените данни, получени от всеки сензор директно към централния процесор за обработка на синтез, който може да реализира синтез в реално време. Неговата точност на обработка на данни е висока и алгоритъмът му е гъвкав, но неговите недостатъци са високи изисквания към процесора, ниска надеждност и голям обем данни, така че е трудно да се реализира;

3) Хибрид: В хибридната мултисензорна рамка за синтез на информация някои сензори приемат централизиран режим на синтез, а останалите приемат режим на разпределен синтез. Рамката за хибриден синтез има силна адаптивност, взема предвид предимствата на централизираното синтез и разпространение и има силна стабилност. Структурата на режима на хибриден синтез е по-сложна от тази на първите два режима на синтез, което увеличава разходите за комуникация и изчисление.

Калман филтър (KF)

Процесът на обработка на информация от филтъра на Калман обикновено е прогнозиране и коригиране. Това е не само прост и конкретен алгоритъм, но и много полезна схема за обработка на системата в ролята на мултисензорна технология за синтез на информация. Всъщност той е подобен на много системни методи за обработка на информационни данни. Той осигурява ефективна статистическа оптимална оценка за обединените данни чрез математическо итеративно рекурсивно изчисление, но изисква малко място за съхранение и изчисление, така че е подходящ за среда с ограничено пространство и скорост за обработка на данни. KF може да бъде разделен на два типа: разпределен филтър на Калман (DKF) и разширен филтър на Калман (EKF). DKF може да направи сливането на данни напълно децентрализирано, докато EKF може ефективно да преодолее влиянието на грешките при обработката на данни и нестабилността върху процеса на сливане на информация.