વિવિધ ડેટા પ્રોસેસિંગ પદ્ધતિઓ અનુસાર, માહિતી ફ્યુઝન સિસ્ટમના ત્રણ આર્કિટેક્ચરો છે: વિતરિત, કેન્દ્રિય અને વર્ણસંકર.

1) વિતરિત: પ્રથમ, સ્વતંત્ર સેન્સર દ્વારા મેળવેલા મૂળ ડેટા પર સ્થાનિક રૂપે પ્રક્રિયા કરવામાં આવે છે, અને પછી પરિણામો અંતિમ પરિણામો મેળવવા માટે બુદ્ધિશાળી optim પ્ટિમાઇઝેશન અને સંયોજન માટે માહિતી ફ્યુઝન સેન્ટર પર મોકલવામાં આવે છે. ડિસ્ટ્રિબ્યુટમાં કમ્યુનિકેશન બેન્ડવિડ્થ, ઝડપી ગણતરીની ગતિ, સારી વિશ્વસનીયતા અને સાતત્યની ઓછી માંગ છે, પરંતુ ટ્રેકિંગ ચોકસાઈ કેન્દ્રિય કરતા ઘણી ઓછી છે. વિતરિત ફ્યુઝન સ્ટ્રક્ચરને પ્રતિસાદ વિના પ્રતિસાદ અને વિતરિત ફ્યુઝન સ્ટ્રક્ચર સાથે વિતરિત ફ્યુઝન સ્ટ્રક્ચરમાં વહેંચી શકાય છે.

2) કેન્દ્રીયકરણ: કેન્દ્રિયકરણ દરેક સેન્સર દ્વારા મેળવેલા કાચા ડેટાને ફ્યુઝન પ્રોસેસિંગ માટે સીધા સેન્ટ્રલ પ્રોસેસર પર મોકલે છે, જે રીઅલ-ટાઇમ ફ્યુઝનને અનુભૂતિ કરી શકે છે. તેની ડેટા પ્રોસેસિંગ ચોકસાઈ વધારે છે અને તેની અલ્ગોરિધમનો લવચીક છે, પરંતુ તેના ગેરફાયદા પ્રોસેસર, ઓછી વિશ્વસનીયતા અને મોટા ડેટા વોલ્યુમ માટેની ઉચ્ચ આવશ્યકતાઓ છે, તેથી તે સમજવું મુશ્કેલ છે;

)) વર્ણસંકર: હાઇબ્રિડ મલ્ટિ-સેન્સર માહિતી ફ્યુઝન ફ્રેમવર્કમાં, કેટલાક સેન્સર્સ સેન્ટ્રલાઇઝ્ડ ફ્યુઝન મોડને અપનાવે છે, અને બાકીના વિતરિત ફ્યુઝન મોડને અપનાવે છે. વર્ણસંકર ફ્યુઝન ફ્રેમવર્કમાં મજબૂત અનુકૂલનક્ષમતા છે, કેન્દ્રીયકૃત ફ્યુઝન અને વિતરણના ફાયદા ધ્યાનમાં લે છે, અને તેમાં મજબૂત સ્થિરતા છે. હાઇબ્રિડ ફ્યુઝન મોડની રચના પ્રથમ બે ફ્યુઝન મોડ્સ કરતા વધુ જટિલ છે, જે સંદેશાવ્યવહાર અને ગણતરીની કિંમતમાં વધારો કરે છે.

કાલમન ફિલ્ટર (કેએફ)

કાલમન ફિલ્ટર દ્વારા માહિતી પ્રક્રિયાની પ્રક્રિયા સામાન્ય રીતે આગાહી અને કરેક્શન છે. તે માત્ર એક સરળ અને કોંક્રિટ અલ્ગોરિધમનો જ નથી, પરંતુ મલ્ટિ-સેન્સર માહિતી ફ્યુઝન તકનીકની ભૂમિકામાં ખૂબ ઉપયોગી સિસ્ટમ પ્રોસેસિંગ યોજના પણ છે. હકીકતમાં, તે માહિતી ડેટાની પ્રક્રિયા કરવાની ઘણી સિસ્ટમોની પદ્ધતિઓ જેવી જ છે. તે ગાણિતિક પુનરાવર્તિત પુનરાવર્તિત ગણતરીના માધ્યમથી ફ્યુઝ્ડ ડેટા માટે અસરકારક આંકડાકીય શ્રેષ્ઠ અંદાજ પ્રદાન કરે છે, પરંતુ તેમાં થોડી સ્ટોરેજ સ્પેસ અને ગણતરીની જરૂર છે, તેથી તે મર્યાદિત ડેટા પ્રોસેસિંગ સ્પેસ અને સ્પીડવાળા પર્યાવરણ માટે યોગ્ય છે. કેએફને બે પ્રકારોમાં વહેંચી શકાય છે: વિતરિત કાલમેન ફિલ્ટર (ડીકેએફ) અને વિસ્તૃત કાલમન ફિલ્ટર (ઇકેએફ). ડીકેએફ ડેટા ફ્યુઝનને સંપૂર્ણપણે વિકેન્દ્રિત બનાવી શકે છે, જ્યારે ઇકેએફ માહિતી ફ્યુઝન પ્રક્રિયા પર ડેટા પ્રોસેસિંગ ભૂલો અને અસ્થિરતાના પ્રભાવને અસરકારક રીતે દૂર કરી શકે છે.