电感知中的形状识别与分类

本文旨在推进电感知领域的发展。它展示了弱电鱼形状感知的物理机制。这些鱼利用其主动电定位系统在夜间完全黑暗的环境中定向。它们产生稳定的高频弱电场，并感知由附近具有不同于周围水电导率的目标引起的跨膜电位调制。在本文中，我们解释了弱电鱼如何在预先知道目标属于某些形状集合的情况下识别和分类目标。我们的弱电鱼模型依赖于差分成像，即通过由目标引起的场扰动形成图像，以及基于物理的分类。弱电鱼首先会使用特定的位置搜索算法定位目标。然后，它可以从电场的扰动中提取目标的广义（或高阶）极化张量。从提取的特征中计算刚体运动和缩放下的不变量可得到形状描述符。弱电鱼可以通过将其不变量与一组学习到的形状的不变量进行比较来分类目标。另一方面，当在多个频率下进行测量时，鱼可以利用频移并使用广义极化张量的频谱内容，从而显著提高电感知中分类过程对测量噪声的稳定性。令人惊讶的是，事实证明，多频率下的一阶极化张量就足以用于分类目的。本文还讨论了一种在周围介质的介电常数可忽略不计的情况下消除背景场的过程，从而进一步提高分类过程的稳定性。