特征级融合

        特征层融合如图2所示。每种传感器提供从观测数据中提取的有代表性的特征，这些特征融合成单一的特征向量，然后运用模式识别的方法进行处理。这种方法对通信带宽的要求较低。但由于数据的丢失使其准确性有所下降。

决策级融合

       决策层融合如图3所示。在这种方法中，将每个传感器采集的信息变换其中包括预处理、特征抽取、识别或判决，以建立对所观察目标的初步结论，最后根据一定的准则以及每个判定的可信度做出最优决策。决策层融合从具体决策问题的需求出发，充分利用特征层融合所提取的测量对象的各类特征信息。由于对传感器的数据进行了浓缩，这种方法产生的结果相对而言最不准确，但它对通信带宽的要求最低。