根据信息融合的处理层次，可以将信息融合分为三类，包括数据层信息融合、特征层信息融合以及决策层信息融合。 １．数据层信息融合 数据层信息融合是对各传感器的原始观测数据进行统计分析。该方法的优点是原始数据保存完整、强调了原始数据之间的关联性，使得测量结果更加精确；缺点是运算量较大，降低了系统的实时性，同时观测数据的不确定性和不稳定性增加了系统处理难度。常用的数据层信息融合算法有加权平均法、卡尔曼滤波和贝叶斯估计法等。 ２．特征层信息融合 特征层信息融合是对从原始数据中提取的特征向量进行联合，对特征向量进行计算和处理。针对特征向量进行融合处理，减小了原始数据的处理量，提高了系统处理速度和实时性。而缺点在于，原始观测数据在压缩的同时，也丢失了部分可用信息，降低了系统的精确度。常用的特征层信息融合算法有遗传算法、搜索树算法等 ３．决策层信息融合 决策层信息融合的各部分传感器针对同一观测目标都具有独立的数据处理能力，包括原始观测数据预处理、原始信息特征提取和对目标识别的判断，根据各自的测量结果得出初步结论，然后将各传感器结论进行融合，得出观测目标的最终判断结果。该方法的优点在于可以灵活的选取传感器结果，提高了系统的容错能力；对多源异构传感器的容纳能力增强；融合信息计算量减小，系统实时性提高。常用的决策层信息融合算法有投票表决法、贝叶斯法等。

引用：李菲. 基于图像信号与无线通信信号融合的室内定位关键技术研究[D]. 2018.