Esta tese aborda a análise de sistemas de navegacão inercial em veículos su- baquáticos auxiliado por sensores externos e, em particular, por um sistema de localização acústico em uma configu- ração dita de base longa. para o processo de filtragem de dados, o filtro de kalman em sua versão estendida ekf (extended kalman filter) é utilizado de modo a aproveitar toda infor- mação relacionada aos estados do veículo proveniente dos sensores. o foco está no processo de aprendizagem a partir de dados com vistas à identificação das medições errôneas do tempo de chegada da sonda sonora e a correção das mesmas. as técnicas exploradas para essas finalidades são o aakr (autoas- sociative kernel regression) e o svdd (support vector data description). o objetivo é melhorar a estimação dos estados do veículo (posição, velocidade e orientação) provenientes dos sensores inerciais, aproveitando um conjunto de medições corretas obtidas durante a navegação ou em missões anteriores à atual. a melhoria no desempenho do sistema de localização fica evidenciado com a utilização de dados experimentias obtidos em missões com veículos de baixo custo e modelos de propagação acústica que inserem desvios factíveis aos tempos de chegada medidos. os resultados são comparados ao desem- penho obtido com uma solução clássica para a localização acústica em ambi- ente subaquático de veículos autônomos. destaca-se ainda que a arquitetura proposta não se apresenta firmemente acoplada ou fortemente dependente de qualquer outro algoritmo presente no veículo, o que a caracteriza como um solução bastante modular podendo ainda estender-se a outras aplicações.