다양한 데이터 처리 방법에 따라 정보 융합 시스템에는 분산형, 중앙 집중형 및 하이브리드의 세 가지 아키텍처가 있습니다.

1) 분산: 먼저 독립적인 센서에서 얻은 원본 데이터를 로컬에서 처리한 다음 그 결과를 정보 융합 센터로 전송하여 지능적인 최적화 및 결합을 통해 최종 결과를 얻습니다. 분산형은 통신 대역폭, 빠른 계산 속도, 우수한 신뢰성 및 연속성에 대한 요구가 낮지만 추적 정확도는 중앙형보다 훨씬 낮습니다. 분산융합구조는 피드백이 있는 분산융합구조와 피드백이 없는 분산융합구조로 나눌 수 있다.

2) 중앙화: 중앙화는 각 센서에서 얻은 원시 데이터를 융합 처리를 위해 중앙 프로세서로 직접 전송하여 실시간 융합을 구현할 수 있습니다. 데이터 처리 정확도가 높고 알고리즘이 유연하지만 프로세서에 대한 요구 사항이 높고 신뢰성이 낮으며 데이터 용량이 크다는 단점이 있어 실현하기 어렵습니다.

3) 하이브리드: 하이브리드 다중 센서 정보 융합 프레임워크에서 일부 센서는 중앙 집중식 융합 모드를 채택하고 나머지는 분산 융합 모드를 채택합니다. 하이브리드 융합 프레임워크는 적응성이 뛰어나고 중앙 집중식 융합 및 배포의 장점을 고려하며 안정성이 뛰어납니다. 하이브리드 융합 모드의 구조는 처음 두 융합 모드의 구조보다 더 복잡하여 통신 및 계산 비용이 증가합니다.

칼만 필터(KF)

칼만 필터에 의한 정보 처리 과정은 일반적으로 예측과 수정이다. 이는 간단하고 구체적인 알고리즘일 뿐만 아니라 다중 센서 정보 융합 기술의 역할에서 매우 유용한 시스템 처리 방식입니다. 실제로 이는 많은 시스템의 정보 데이터 처리 방법과 유사합니다. 수학적 반복 재귀 계산을 통해 융합된 데이터에 대한 효과적인 통계적 최적 추정치를 제공하지만 저장 공간과 계산이 거의 필요하지 않으므로 데이터 처리 공간과 속도가 제한된 환경에 적합합니다. KF는 DKF(분산 칼만 필터)와 EKF(확장 칼만 필터)의 두 가지 유형으로 나눌 수 있습니다. DKF는 데이터 융합을 완전히 분산화할 수 있는 반면, EKF는 데이터 처리 오류의 영향과 정보 융합 프로세스의 불안정성을 효과적으로 극복할 수 있습니다.