မတူညီသော ဒေတာလုပ်ဆောင်ခြင်းနည်းလမ်းများအရ သတင်းအချက်အလက်ပေါင်းစပ်မှုစနစ်၏ ဗိသုကာပုံသဏ္ဍာန်သုံးမျိုးရှိသည်- ဖြန့်ဝေမှု၊ ဗဟိုချုပ်ကိုင်မှုနှင့် ပေါင်းစပ်ထားသည်။

1) ဖြန့်ဝေခြင်း- ပထမ၊ အမှီအခိုကင်းသောအာရုံခံကိရိယာများမှရရှိသောမူရင်းဒေတာကိုစက်တွင်းတွင်လုပ်ဆောင်ပြီးရလဒ်များကိုအသိဉာဏ်ပိုကောင်းအောင်ပြုလုပ်ရန်နှင့်နောက်ဆုံးရလဒ်များရရှိရန်ပေါင်းစပ်မှုအတွက်သတင်းအချက်အလက်ပေါင်းစပ်စင်တာသို့ပေးပို့သည်။ Distributed တွင် ဆက်သွယ်ရေး bandwidth၊ မြန်ဆန်သော တွက်ချက်မှုအမြန်နှုန်း၊ ကောင်းမွန်သော ယုံကြည်စိတ်ချရမှုနှင့် အဆက်ပြတ်မှုအတွက် လိုအပ်ချက်နည်းပါးသော်လည်း ခြေရာခံခြင်း တိကျမှုသည် ဗဟိုချုပ်ကိုင်မှုထက် များစွာနည်းပါသည်။ ဖြန့်ဝေထားသော ပေါင်းစပ်ဖွဲ့စည်းပုံကို တုံ့ပြန်ချက်မပါဘဲ ဖြန့်ဝေထားသော ပေါင်းစပ်ဖွဲ့စည်းပုံနှင့် တုံ့ပြန်ချက်မပါဘဲ ဖြန့်ဝေထားသောပေါင်းစပ်ဖွဲ့စည်းပုံသို့ ပိုင်းခြားနိုင်သည်။

2) Centralization- ဗဟိုချုပ်ကိုင်မှု သည် အာရုံခံကိရိယာတစ်ခုစီမှရရှိသော အကြမ်းထည်အချက်အလက်များကို ပေါင်းစပ်လုပ်ဆောင်ခြင်းအတွက် ဗဟိုပရိုဆက်ဆာထံသို့ တိုက်ရိုက်ပေးပို့ပြီး အချိန်နှင့်တစ်ပြေးညီ ပေါင်းစပ်မှုကို သိရှိနိုင်သည်။ ၎င်း၏ ဒေတာလုပ်ဆောင်မှု တိကျမှု မြင့်မားပြီး ၎င်း၏ အယ်လဂိုရီသမ်သည် လိုက်လျောညီထွေရှိသော်လည်း ၎င်း၏ အားနည်းချက်များမှာ ပရိုဆက်ဆာအတွက် မြင့်မားသော လိုအပ်ချက်များ၊ ယုံကြည်စိတ်ချရမှု နည်းပါးပြီး ဒေတာပမာဏ ကြီးမားသောကြောင့် သဘောပေါက်ရန် ခက်ခဲပါသည်။

3) Hybrid- ဟိုက်ဘရစ် Multi-sensor အချက်အလက် ပေါင်းစပ်မှုဘောင်တွင်၊ အချို့သောအာရုံခံကိရိယာများသည် ဗဟိုချုပ်ကိုင်ထားသော ပေါင်းစပ်မှုမုဒ်ကို လက်ခံကြပြီး ကျန်အချို့မှာ ဖြန့်ဝေထားသော ပေါင်းစပ်မှုမုဒ်ကို လက်ခံကြသည်။ ပေါင်းစပ်ပေါင်းစပ်မှုဘောင်သည် ခိုင်မာသော လိုက်လျောညီထွေရှိမှု၊ ဗဟိုချုပ်ကိုင်မှု ပေါင်းစပ်ခြင်းနှင့် ဖြန့်ဖြူးခြင်း၏ အားသာချက်များကို ထည့်သွင်းစဉ်းစားကာ ခိုင်မာသောတည်ငြိမ်မှုရှိသည်။ ပေါင်းစပ်ပေါင်းစပ် ပေါင်းစပ်မုဒ်၏ ဖွဲ့စည်းပုံသည် ဆက်သွယ်ရေးနှင့် တွက်ချက်မှုကုန်ကျစရိတ်ကို တိုးမြင့်စေသည့် ပထမ ပေါင်းစပ်မုဒ်နှစ်ခုထက် ပိုမိုရှုပ်ထွေးပါသည်။

Kalman filter (KF)

Kalman filter မှ အချက်အလက်လုပ်ဆောင်ခြင်းလုပ်ငန်းစဉ်သည် ယေဘူယျအားဖြင့် ခန့်မှန်းခြင်းနှင့် ပြုပြင်ခြင်းဖြစ်ပါသည်။ ၎င်းသည် ရိုးရှင်းပြီး ခိုင်မာသော algorithm တစ်ခုသာမကဘဲ multi-sensor information fusion technology ၏ အခန်းကဏ္ဍတွင်ပါရှိသော အလွန်အသုံးဝင်သော system processing scheme တစ်ခုလည်းဖြစ်သည်။ အမှန်မှာ၊ ၎င်းသည် အချက်အလက် အချက်အလက်များကို လုပ်ဆောင်သည့် စနစ်များစွာ၏ နည်းလမ်းများနှင့် ဆင်တူသည်။ ၎င်းသည် သင်္ချာနည်းကျ ထပ်ခါတလဲလဲ တွက်ချက်မှုဖြင့် ပေါင်းစပ်ထားသော ဒေတာအတွက် ထိရောက်သော ကိန်းဂဏန်းအကောင်းဆုံး ခန့်မှန်းချက်တစ်ခု ပံ့ပိုးပေးသော်လည်း ၎င်းသည် သိုလှောင်မှုနေရာနှင့် တွက်ချက်မှုအနည်းငယ်သာ လိုအပ်သောကြောင့် ၎င်းသည် အကန့်အသတ်ရှိသော ဒေတာလုပ်ဆောင်မှုနေရာနှင့် မြန်နှုန်းရှိသော ပတ်ဝန်းကျင်အတွက် သင့်လျော်ပါသည်။ KF ကို နှစ်မျိုးခွဲနိုင်သည်- ဖြန့်ဝေထားသော Kalman filter (DKF) နှင့် တိုးချဲ့ Kalman filter (EKF)။ DKF သည် ဒေတာပေါင်းစပ်မှုကို လုံး၀ ဗဟိုချုပ်ကိုင်မှု လျှော့ချနိုင်သော်လည်း EKF သည် အချက်အလက်များ ပေါင်းစပ်လုပ်ဆောင်ခြင်းဆိုင်ရာ အမှားအယွင်းများနှင့် သတင်းအချက်အလက် ပေါင်းစပ်မှု လုပ်ငန်းစဉ်အပေါ် မတည်မငြိမ်ဖြစ်မှုတို့ကို ထိရောက်စွာ ကျော်လွှားနိုင်သော်လည်း၊