យោងតាមវិធីសាស្រ្តដំណើរការទិន្នន័យផ្សេងៗគ្នា មានស្ថាបត្យកម្មបីនៃប្រព័ន្ធប្រសព្វព័ត៌មាន៖ ចែកចាយ កណ្តាល និងកូនកាត់។

1) ចែកចាយ៖ ទីមួយ ទិន្នន័យដើមដែលទទួលបានដោយឧបករណ៍ចាប់សញ្ញាឯករាជ្យត្រូវបានដំណើរការក្នុងមូលដ្ឋាន ហើយបន្ទាប់មកលទ្ធផលត្រូវបានបញ្ជូនទៅមជ្ឈមណ្ឌលបញ្ចូលព័ត៌មានសម្រាប់ការបង្កើនប្រសិទ្ធភាពឆ្លាតវៃ និងការបញ្ចូលគ្នាដើម្បីទទួលបានលទ្ធផលចុងក្រោយ។ចែកចាយមានតំរូវការទាបសម្រាប់កម្រិតបញ្ជូនទំនាក់ទំនង ល្បឿនគណនាលឿន ភាពជឿជាក់ល្អ និងបន្ត ប៉ុន្តែភាពត្រឹមត្រូវនៃការតាមដានគឺតិចជាងឆ្ងាយនៃបណ្តាញកណ្តាល។រចនាសម្ព័ន្ធលាយបញ្ចូលគ្នាដែលចែកចាយអាចបែងចែកទៅជារចនាសម្ព័ន្ធលាយបញ្ចូលគ្នាដែលបានចែកចាយជាមួយនឹងមតិកែលម្អ និងរចនាសម្ព័ន្ធលាយបញ្ចូលគ្នាដែលចែកចាយដោយគ្មានមតិកែលម្អ។

2) Centralization: Centralization បញ្ជូនទិន្នន័យឆៅដែលទទួលបានដោយ sensor នីមួយៗដោយផ្ទាល់ទៅកាន់ Central processor សម្រាប់ដំណើរការ fusion ដែលអាចដឹងពីការ fusion ក្នុងពេលជាក់ស្តែង។ភាពត្រឹមត្រូវនៃដំណើរការទិន្នន័យរបស់វាខ្ពស់ ហើយក្បួនដោះស្រាយរបស់វាគឺអាចបត់បែនបាន ប៉ុន្តែគុណវិបត្តិរបស់វាគឺតម្រូវការខ្ពស់សម្រាប់ខួរក្បាល ភាពជឿជាក់ទាប និងបរិមាណទិន្នន័យធំ ដូច្នេះវាពិបាកក្នុងការដឹង។

3) កូនកាត់៖ នៅក្នុងក្របខ័ណ្ឌការបញ្ចូលព័ត៌មានពហុឧបករណ៍ចាប់សញ្ញាកូនកាត់ ឧបករណ៍ចាប់សញ្ញាមួយចំនួនទទួលយករបៀបលាយបញ្ចូលគ្នាកណ្តាល ហើយនៅសល់ប្រើរបៀបលាយបញ្ចូលគ្នាដែលចែកចាយ។ក្របខ័ណ្ឌការលាយបញ្ចូលគ្នាកូនកាត់មានភាពសម្របខ្លួនខ្លាំង ដោយគិតគូរពីគុណសម្បត្តិនៃការលាយបញ្ចូលគ្នា និងការចែកចាយដែលមានលក្ខណៈកណ្តាល និងមានស្ថេរភាពខ្លាំង។រចនាសម្ព័ននៃរបៀបលាយកូនកាត់មានភាពស្មុគស្មាញជាងរបៀបលាយបញ្ចូលគ្នាពីរដំបូង ដែលបង្កើនតម្លៃនៃការទំនាក់ទំនង និងការគណនា។

តម្រង Kalman (KF)

ដំណើរការនៃការដំណើរការព័ត៌មានដោយតម្រង Kalman ជាទូទៅគឺជាការព្យាករណ៍ និងការកែតម្រូវ។វាមិនត្រឹមតែជាក្បួនដោះស្រាយសាមញ្ញ និងជាក់ស្តែងប៉ុណ្ណោះទេ ប៉ុន្តែវាក៏ជាគ្រោងការណ៍ដំណើរការប្រព័ន្ធដ៏មានសារៈប្រយោជន៍ផងដែរនៅក្នុងតួនាទីនៃបច្ចេកវិទ្យាលាយព័ត៌មានពហុឧបករណ៍ចាប់សញ្ញា។តាមពិតទៅ វាស្រដៀងនឹងវិធីសាស្រ្តនៃប្រព័ន្ធជាច្រើនក្នុងការដំណើរការទិន្នន័យព័ត៌មាន។វាផ្តល់នូវការប៉ាន់ប្រមាណជាស្ថិតិដ៏មានប្រសិទ្ធភាពសម្រាប់ទិន្នន័យដែលផ្សំដោយវិធីគណនាឡើងវិញតាមបែបគណិតវិទ្យា ប៉ុន្តែវាទាមទារទំហំផ្ទុក និងការគណនាតិចតួច ដូច្នេះវាស័ក្តិសមសម្រាប់បរិស្ថានដែលមានទំហំ និងល្បឿនដំណើរការទិន្នន័យមានកំណត់។KF អាចត្រូវបានបែងចែកជាពីរប្រភេទ៖ តម្រង Kalman ចែកចាយ (DKF) និងតម្រង Kalman ពង្រីក (EKF) ។DKF អាចធ្វើឱ្យការបញ្ចូលគ្នានៃទិន្នន័យត្រូវបានវិមជ្ឈការទាំងស្រុង ខណៈដែល EKF អាចយកឈ្នះលើឥទ្ធិពលនៃកំហុសក្នុងដំណើរការទិន្នន័យ និងអស្ថិរភាពលើដំណើរការលាយបញ្ចូលគ្នានៃព័ត៌មាន។