Implementação e análise de filtro de Kalman unidimensional para estimação de posição em movimento retilíneo uniforme

Este trabalho apresenta a implementação e análise de um filtro de Kalman unidimensional aplicado à estimação de posição de um objeto em movimento retilíneo uniforme. A pesquisa desenvolveu uma simulação computacional utilizando Python para demonstrar a eficácia do algoritmo na redução de ruído em medições de sensores. O sistema foi modelado considerando um objeto movendo-se com velocidade constante de 0,2 m/s, com medições corrompidas por ruído gaussiano de desvio padrão de 0,5 m. Os resultados obtidos demonstraram que o filtro de Kalman conseguiu reduzir significativamente o erro de estimação, apresentando convergência rápida e estabilidade na posição real do objeto. A análise comparativa entre as medições ruidosas e as estimativas filtradas evidenciou uma melhoria substancial na precisão, validando a aplicabilidade do método para sistemas de controle e navegação. O trabalho contribui para o entendimento prático da implementação de filtros de Kalman em sistemas de baixa dimensionalidade, fornecendo base teórica e experimental para aplicações em robótica móvel e sistemas de posicionamento.