Ma'lumotlarni qayta ishlashning turli usullariga ko'ra, axborot sintezi tizimining uchta arxitekturasi mavjud: taqsimlangan, markazlashtirilgan va gibrid.

1) Tarqatish: Birinchidan, mustaqil sensorlar tomonidan olingan dastlabki ma'lumotlar mahalliy ravishda qayta ishlanadi, so'ngra yakuniy natijalarni olish uchun natijalar aqlli optimallashtirish va kombinatsiyalash uchun axborot sintezi markaziga yuboriladi. Distributed aloqa o'tkazuvchanligi, tezkor hisoblash tezligi, yaxshi ishonchlilik va uzluksizlikka past talabga ega, ammo kuzatuvning aniqligi markazlashtirilgandan ancha past. Tarqalgan termoyadroviy tuzilmani qayta aloqa bilan taqsimlangan termoyadroviy tuzilmaga va qayta aloqasiz taqsimlangan termoyadroviy tuzilishga bo'lish mumkin.

2) Markazlashtirish: Markazlashtirish har bir sensor tomonidan olingan xom ma'lumotlarni to'g'ridan-to'g'ri markaziy protsessorga termoyadroviy ishlov berish uchun yuboradi, bu real vaqtda termoyadroviyni amalga oshirishi mumkin. Uning ma'lumotlarni qayta ishlash aniqligi yuqori va uning algoritmi moslashuvchan, lekin uning kamchiliklari protsessorga yuqori talablar, past ishonchlilik va katta hajmdagi ma'lumotlardir, shuning uchun uni amalga oshirish qiyin;

3) Gibrid: Gibrid ko'p sensorli ma'lumot termoyadroviy tizimida ba'zi sensorlar markazlashtirilgan termoyadroviy rejimini, qolganlari esa taqsimlangan termoyadroviy rejimini qabul qiladi. Gibrid termoyadroviy ramka kuchli moslashuvchanlikka ega, markazlashtirilgan termoyadroviy va tarqatishning afzalliklarini hisobga oladi va kuchli barqarorlikka ega. Gibrid termoyadroviy rejimining tuzilishi dastlabki ikkita termoyadroviy rejimga qaraganda ancha murakkab, bu esa aloqa va hisoblash xarajatlarini oshiradi.

Kalman filtri (KF)

Kalman filtri orqali axborotni qayta ishlash jarayoni odatda bashorat qilish va tuzatishdir. Bu nafaqat oddiy va aniq algoritm, balki ko'p sensorli axborot sintezi texnologiyasi rolida juda foydali tizimni qayta ishlash sxemasi. Aslida, u ko'pgina tizimlarning axborot ma'lumotlarini qayta ishlash usullariga o'xshaydi. Matematik iterativ rekursiv hisoblash yordamida birlashtirilgan ma'lumotlar uchun samarali statistik optimal baholashni ta'minlaydi, lekin u kam joy va hisoblashni talab qiladi, shuning uchun u cheklangan ma'lumotlarni qayta ishlash maydoni va tezligi bo'lgan muhit uchun mos keladi. KF ikki turga bo'linishi mumkin: taqsimlangan Kalman filtri (DKF) va kengaytirilgan Kalman filtri (EKF). DKF ma'lumotlar sintezini butunlay markazsizlashtirishi mumkin, EKF esa ma'lumotlarni qayta ishlash xatolari va ma'lumotlar sintezi jarayonidagi beqarorlik ta'sirini samarali tarzda engib o'tishi mumkin.