我国海域辽阔,拥有丰富的资源和军事战略地位。在国防领域,水下监测机器人可以实时监测蛙人和水下军事设备。在民用领域,自主水下机器人可以实现水下生态环境监控。水下电场感知技术是一种以弱电鱼为灵感来源的技术,与目前广泛应用的视觉成像技术和声纳技术相比,由于其具有全向行和抗干扰能力强等特点,在黑暗、浑浊水域使其成为一种良好的互补探测技术。本文研究内容主要有以下几点:首先,利用电准静态理论对水下电磁场进行分析,研究了理想的球体在均匀电场中对周围均匀介质造成的电位扰动情况,并推导了相关公式。在问题模型中将水下电场感知问题分为正问题和逆问题。接着使用ANSYS Maxwell有限元仿真软件对水下目标影响周围电场的因素进行了仿真,验证了水下电场探测目标的可行性。其次,使用基于有限元法（Finite Element Method,FEM）的电阻抗成像（Electrical Impedance Tomography,EIT）技术对水下电场感知问题进行了建模仿真。设计并模拟了一种类似鳗鱼形状的电传感器模型,探讨了基于EIT方法的水下目标定位与识别的可行性和有效性。针对EIT方法需要大量计算资源问题,引入了离散偶极子近似（Discrete Dipole Approximation,DDA）方法来减少正问题的计算量,并建立了DDA与球体扰动公式之间的联系。通过仿真和实验,在水下电场感知问题中,DDA的计算速度是FEM的100倍,且只有9%的平均相对误差。最后,在DDA方法的基础上,利用探测电极矩阵模型,分别对基于无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法和基于BP神经网络（Back Propagation Neural Network,BPNN）在水下球体目标位置和大小估计问题上进行了研究。将探测电极矩阵获取的电位扰动转换为电子图像,通过卷积神经网络（Convolutional Neural Network,CNN）对球体、立方体和圆柱体三类电子图像进行识别分类。在前面研究的基础上,设计并实现了一套水下定位与识别原型系统,包括电场激励模块、信号采集模块和数据处理模块三个部分。通过5×5和16×16两种电极矩阵原型分别对定位和识别算法进行实验验证。试验结果表明,利用BP神经网络映射和UKF算法,在一定范围内原型的定位是快速和准确的,平均距离误差约1.1cm左右。CNN在识别指定的立方体、球体和圆柱的总体成功率为91.1%。