信息融合滤波：将多传感器的测量值进行最优整合，以获取目标动态的估计，实现整体大于局部之和的功能。

其特征强调融合，最简单的就是集中式融合滤波，指将多传感器测量值汇聚到融合中心，采用扩维方法，将问题归为传统的滤波问题。再者，避免维数灾难导致的高计算要求，将扩维改进为加权融合，以降维处理。

除此之外，从分布计算的角度，改变集中滤波结构，将滤波预处理下方到各个传感器节点，然后，融合中心对预处理结果再进行最优融合。

一致性滤波：结合多传感器之间的交互和分布滤波功能。

那么两者的区别：信息融合滤波的分布式滤波器之间没有通信，即没有一致性滤波的协同滤波。再者，一致性滤波的目的不明确，其与分布式传感网络需要实现的功能联系不明确。

一方面，信息融合滤波是将所有传感器的信息进行融合，不论是否具有分布式，总存在一个融合中心；

而一致性滤波则不存在融合中心，通过传感与邻居传感的局部信息融合；由此，两者的拓扑构成是不同的，前者是星形网，后者是去中心的拓扑网。

另一方面，由于融合滤波使用所有传感器的信息，因此允许观测矩阵的异构性，因为只要多传感器整体上是对目标系统是可观的，较为灵活。而对于分布式滤波，大多数文献中都是同质传感，即观测矩阵相同。（该条对于分布式滤波也许并不重要，滤波器凌驾于传感器之上，结合本地信息和外部信息，因此对于本地信息构成不做讨论，是可以理解的，需要深刻理解分布式滤波的含义）

“昔之善战者，不可胜在己”，“以虞待不虞者胜”--《谋攻篇》。