ອີງຕາມວິທີການປະມວນຜົນຂໍ້ມູນທີ່ແຕກຕ່າງກັນ, ມີສາມສະຖາປັດຕະຂອງລະບົບ fusion ຂໍ້ມູນຂ່າວສານ: ແຈກຢາຍ, ສູນກາງແລະປະສົມ.

1) ການແຈກຢາຍ: ຫນ້າທໍາອິດ, ຂໍ້ມູນຕົ້ນສະບັບທີ່ໄດ້ຮັບໂດຍເຊັນເຊີເອກະລາດໄດ້ຖືກປຸງແຕ່ງຢູ່ໃນທ້ອງຖິ່ນ, ແລະຫຼັງຈາກນັ້ນຜົນໄດ້ຮັບຖືກສົ່ງໄປຫາສູນ fusion ຂໍ້ມູນສໍາລັບການເພີ່ມປະສິດທິພາບອັດສະລິຍະແລະການປະສົມປະສານເພື່ອໃຫ້ໄດ້ຜົນສຸດທ້າຍ.ການແຈກຢາຍມີຄວາມຕ້ອງການຕ່ໍາຂອງແບນວິດຂອງການສື່ສານ, ຄວາມໄວການຄິດໄລ່ໄວ, ຄວາມຫນ້າເຊື່ອຖືທີ່ດີແລະຄວາມຕໍ່ເນື່ອງ, ແຕ່ຄວາມຖືກຕ້ອງຂອງການຕິດຕາມແມ່ນຫນ້ອຍກວ່າຂອງສູນກາງ.ໂຄງປະກອບການ fusion ທີ່ແຈກຢາຍສາມາດແບ່ງອອກເປັນໂຄງສ້າງ fusion ທີ່ແຈກຢາຍດ້ວຍຄໍາຄຶດຄໍາເຫັນແລະໂຄງສ້າງ fusion ທີ່ແຈກຢາຍໂດຍບໍ່ມີຄໍາຄຶດຄໍາເຫັນ.

2) Centralization: Centralization ສົ່ງຂໍ້ມູນດິບທີ່ໄດ້ຮັບໂດຍແຕ່ລະເຊັນເຊີໂດຍກົງໄປຫາໂຮງງານຜະລິດສູນກາງສໍາລັບການປຸງແຕ່ງ fusion, ເຊິ່ງສາມາດຮັບຮູ້ fusion ໃນເວລາທີ່ແທ້ຈິງ.ຄວາມຖືກຕ້ອງຂອງການປຸງແຕ່ງຂໍ້ມູນຂອງມັນແມ່ນສູງແລະ algorithm ຂອງມັນມີຄວາມຍືດຫຍຸ່ນ, ແຕ່ຂໍ້ເສຍຂອງມັນແມ່ນຄວາມຕ້ອງການສູງສໍາລັບໂປເຊດເຊີ, ຄວາມຫນ້າເຊື່ອຖືຕ່ໍາແລະປະລິມານຂໍ້ມູນຂະຫນາດໃຫຍ່, ດັ່ງນັ້ນມັນຍາກທີ່ຈະຮັບຮູ້;

3) ແບບປະສົມ: ໃນກອບການຟິວຊັນຂໍ້ມູນຫຼາຍເຊັນເຊີແບບປະສົມ, ບາງເຊັນເຊີໃຊ້ໂໝດຟິວຊັນສູນກາງ, ແລະສ່ວນທີ່ເຫຼືອແມ່ນໃຊ້ໂໝດຟິວຊັນແບບແຈກຢາຍ.ໂຄງປະກອບການປະສົມປະສົມມີການປັບຕົວທີ່ເຂັ້ມແຂງ, ຄໍານຶງເຖິງຂໍ້ໄດ້ປຽບຂອງ fusion ສູນກາງແລະການແຜ່ກະຈາຍ, ແລະມີຄວາມຫມັ້ນຄົງທີ່ເຂັ້ມແຂງ.ໂຄງສ້າງຂອງໂຫມດ fusion ປະສົມແມ່ນສັບສົນຫຼາຍກ່ວາສອງໂຫມດ fusion ທໍາອິດ, ເຊິ່ງເພີ່ມຄ່າໃຊ້ຈ່າຍໃນການສື່ສານແລະການຄິດໄລ່.

ຕົວກອງ Kalman (KF)

ຂະບວນການປະມວນຜົນຂໍ້ມູນໂດຍການກັ່ນຕອງ Kalman ໂດຍທົ່ວໄປແມ່ນການຄາດຄະເນແລະການແກ້ໄຂ.ມັນບໍ່ພຽງແຕ່ເປັນ algorithm ງ່າຍດາຍແລະສີມັງ, ແຕ່ຍັງເປັນລະບົບການປະມວນຜົນທີ່ເປັນປະໂຫຍດຫຼາຍໃນພາລະບົດບາດຂອງເຕັກໂນໂລຊີ fusion ຂໍ້ມູນຂ່າວສານຫຼາຍເຊັນເຊີ.ໃນຄວາມເປັນຈິງ, ມັນແມ່ນຄ້າຍຄືກັນກັບວິທີການຈໍານວນຫຼາຍຂອງລະບົບການປະມວນຜົນຂໍ້ມູນຂໍ້ມູນ.ມັນສະຫນອງການຄາດຄະເນທີ່ດີທີ່ສຸດທາງສະຖິຕິທີ່ມີປະສິດທິພາບສໍາລັບຂໍ້ມູນທີ່ປະສົມປະສານໂດຍການຄິດໄລ່ແບບຊ້ໍາຊ້ອນທາງຄະນິດສາດ, ແຕ່ມັນຕ້ອງການພື້ນທີ່ເກັບຮັກສາແລະການຄິດໄລ່ຫນ້ອຍ, ດັ່ງນັ້ນມັນເຫມາະສົມກັບສະພາບແວດລ້ອມທີ່ມີພື້ນທີ່ປະມວນຜົນຂໍ້ມູນຈໍາກັດແລະຄວາມໄວ.KF ສາມາດແບ່ງອອກເປັນສອງປະເພດ: ການກັ່ນຕອງ Kalman ແຈກຢາຍ (DKF) ແລະການກັ່ນຕອງ Kalman ຂະຫຍາຍ (EKF).DKF ສາມາດເຮັດໃຫ້ການລວມຂໍ້ມູນຖືກແຈກຢາຍຢ່າງສິ້ນເຊີງ, ໃນຂະນະທີ່ EKF ສາມາດເອົາຊະນະອິດທິພົນຂອງຄວາມຜິດພາດການປະມວນຜົນຂໍ້ມູນແລະຄວາມບໍ່ສະຖຽນລະພາບໃນຂະບວນການປະສົມປະສານຂໍ້ມູນ.