وفقًا لطرق معالجة البيانات المختلفة ، هناك ثلاثة بنيات لنظام دمج المعلومات: موزع ومركزي وهجينة.

1) الموزعة: أولاً ، تتم معالجة البيانات الأصلية التي تم الحصول عليها بواسطة أجهزة استشعار مستقلة محليًا ، ثم يتم إرسال النتائج إلى مركز Fusion Information للتحسين الذكي والمجموعة للحصول على النتائج النهائية. يتمتع Distributed بطلب منخفض على عرض النطاق الترددي للاتصال ، وسرعة حساب سريع ، وموثوقية جيدة واستمرارية ، ولكن دقة التتبع أقل بكثير من تلك المركزية. يمكن تقسيم بنية الاندماج الموزعة إلى بنية الانصهار الموزعة مع ردود الفعل وهيكل الانصهار الموزع دون تعليقات.

2) المركزية: يرسل المركزية البيانات الأولية التي حصل عليها كل مستشعر مباشرة إلى المعالج المركزي لمعالجة الانصهار ، والتي يمكن أن تحقق الانصهار في الوقت الفعلي. دقة معالجة البيانات عالية وخوارزميةها مرنة ، ولكن عيوبها هي متطلبات عالية للمعالج ، وموثوقية منخفضة وحجم بيانات كبير ، لذلك من الصعب إدراكها ؛

3) الهجينة: في إطار دمج المعلومات الهجينة متعددة المستشعرات ، تعتمد بعض المستشعرات وضع الانصهار المركزي ، ويعتمد الباقي وضع الانصهار الموزع. يتمتع إطار الاندماج الهجين بقدرة قوية على التكيف ، ويأخذ في الاعتبار مزايا الانصهار والتوزيع المركزي ، ولديه استقرار قوي. إن بنية وضع الانصهار الهجين أكثر تعقيدًا من أول وضعين للانصهار ، مما يزيد من تكلفة الاتصال والحساب.

مرشح Kalman (KF)

عملية معالجة المعلومات بواسطة مرشح Kalman هي بشكل عام التنبؤ والتصحيح. إنها ليست فقط خوارزمية بسيطة وملموسة ، ولكن أيضًا مخططًا مفيدًا للغاية لمعالجة النظام في دور تقنية اندماج المعلومات متعددة المستشعرات. في الواقع ، يشبه طرق العديد من الأنظمة لمعالجة بيانات معلومات. إنه يوفر تقديرًا مثاليًا للإحصاء الفعال للبيانات المنصهرة عن طريق حساب التكراري التكراري الرياضي ، لكنه يتطلب القليل من مساحة التخزين وحسابها ، لذلك فهو مناسب للبيئة مع مساحة محدودة معالجة البيانات وسرعة. يمكن تقسيم KF إلى نوعين: مرشح Kalman الموزع (DKF) ومرشح Kalman الموسع (EKF). يمكن لـ DKF أن تجعل دمج البيانات غير مركزي تمامًا ، بينما يمكن لـ EKF التغلب بشكل فعال على تأثير أخطاء معالجة البيانات وعدم الاستقرار في عملية دمج المعلومات.