近年来，以深度学习为代表的人工智能技术正加速向太空、天空、地面及人居等多元感知场景渗透，智能感知的范式正从“集中计算”向“边缘端自主决策”深刻转变。然而，星载平台、机载等平台、智能家居与健康监测设备等边缘节点普遍面临多维资源约束的严峻挑战：
· 计算资源约束：星载平台面临严苛的功耗与算力约束，难以承载大规模深度模型；
· 数据资源约束：标注样本极度稀缺(如星上难以人工标注、健康监测数据标注成本高)、数据分布动态漂移(光照/季节变化、观测场景杂波特性变化、用户个体差异)、开放环境下未知类别不断涌现；
· 通信资源约束：星地链路带宽有限、战场通信拒止/中断、室内无线传输受干扰且带宽受限，难以实现原始数据全量回传。
上述三重约束交织叠加，使“资源受限”与“智能需求”之间的根本性矛盾成为制约自主智能感知系统走向工程应用的核心瓶颈。
从应用端看，各领域对此需求尤为迫切。在星上在轨处理领域，卫星获取数据量指数级增长，而星地链路有限，面临模型轻量化部署、辐射环境可靠性、在轨自适应及开放环境感知等核心挑战。在机载/弹载感知领域，导弹导引头与无人机任务系统对实时性要求极高，“无图像回传、本地端算控一体”已成为新一代智能武器的典型技术特征，SWaP-C约束极为苛刻，且面临强干扰、极端机动等恶劣条件。在智能家居与健康监测领域，如何在极小体积、极低功耗下实现连续准确的生理信号处理、行为识别及健康状况感知，同时应对个体差异带来的域漂移并兼顾隐私保护需求，成为关键科学问题。
上述领域虽应用场景迥异，却共享“多维度资源约束下实现自主智能感知”这一核心科学命题。当前，模型轻量化、神经形态推理、小样本学习、感知资源管理等技术在各领域独立发展，缺乏跨场景的系统性总结与交叉借鉴。本专题旨在搭建此学术桥梁，汇聚我国在资源约束智能感知领域的创新成果，推动该方向理论方法与工程应用的深度交融，为我国航天信息处理、智能边缘装备及自主感知系统的发展提供学术支撑。
(一) 共性科学问题
1. 面向资源受限的模型轻量化与高效推理
本方向聚焦于在现有计算架构(CPU / GPU / NPU / FPGA)下，通过算法与模型层面的优化，降低智能模型对算力、存储和功耗的需求，支撑其在星载、机载/弹载、边缘设备上的高效部署。征稿范围包括但不限于：
▌模型剪枝、权重量化、知识蒸馏等经典模型压缩技术及其在感知任务中的改进与创新
▌神经架构搜索，在指定资源约束下自动搜索最优感知网络结构
▌动态推理与早期退出机制——根据输入样本的复杂度自适应调整计算深度
▌模型精度-算力-功耗的多目标协同优化理论与方法
▌轻量化Transformer架构设计及其在边缘感知场景的部署
2. 高能效比神经形态感知与推理
本方向聚焦于通过模拟生物神经系统的信息处理机制，从计算范式层面实现算力能耗比的跨越式提升。区别于传统冯·诺依曼架构下的模型压缩，神经形态计算通过事件驱动、存内计算等机理，从底层计算范式上实现高能效智能感知。征稿范围包括但不限于：
▌ 脉冲神经网络模型设计与训练，面向静态图像/视频帧/时序信号(语音/生理信号/振动)的SNN建模、训练算法改进及高性能SNN结构搜索
▌ 事件驱动感知与处理，结合动态视觉传感器等事件型传感器的端到端感知系统设计、时空脉冲流特征提取与推理
▌ 类脑芯片及软硬协同设计，新型类脑芯片设计以及面向类脑芯片的SNN模型适配与芯片-算法联合优化方法、SNN在自研类脑芯片上的部署加速与推理优化技术、基于SRAM/Flash/忆阻器的存内计算宏电路设计、数模混合计算架构
▌ 感算一体/感存算一体架构，超越传统“感知-传输-计算”分离范式的新型融合架构设计
▌ 传统ANN到SNN的模型转换与蒸馏，利用已有高精度ANN知识快速获得高性能SNN模型的技术路径
▌ 神经形态计算在极端环境下的可靠性，星载辐照、机载强振动等条件下的鲁棒性与自适应机制
3. 数据资源稀缺条件下的感知与学习
本方向聚焦于解决“数据资源约束”这一关键瓶颈。在星上、机载/弹载、健康监测等场景中，高质量标注数据的获取极为困难，且数据分布常随环境、设备、用户的改变发生漂移。征稿范围包括但不限于：
▌ 小样本学习、零样本学习与少样本泛化
▌ 无监督/自监督表示学习与预训练
▌ 域自适应与域泛化(跨设备、跨环境、跨用户、跨传感器模态)
▌ 迁移学习与持续学习(灾难性遗忘抑制)
▌ 开放集识别与类增量学习(未知类别发现与在线更新)
▌ 面向不均衡/噪声标注数据的鲁棒学习
▌ 物理信息驱动与知识引导的小样本智能感知
▌ 多模态协同学习与缺失模态下的鲁棒感知
▌ 主动学习与最优预算分配下的高效标注策略
4. 感知资源管理与动态调度机制
本方向聚焦于感知系统在运行层面的智能化资源管理与自适应动态调度。由于边缘感知环境的动态变化(集群目标、目标特性起伏、杂波干扰等)，静态的感知资源配置策略往往会造成严重的资源浪费或性能降级，亟需构建感知精度与资源消耗的动态权衡机制。征稿范围包括但不限于：
▌ 感知精度-资源消耗平衡的动态在线调度策略
▌ 云-边-端异构协同感知体系、动态任务卸载机制与多层资源联合优化调度
▌ 感知-通信-计算一体化资源调度
▌ 不确定性量化驱动的感知资源分配
▌ 多任务场景下的感知资源博弈机制
(二) 特色应用问题(包括但不限于)
1. 星上在轨智能处理
星载轻量化模型与类神经形态芯片部署、星载SAR在轨成像、多源遥感数据(光学/SAR/高光谱)在轨融合与目标检测识别、多模态基础模型(如视觉-语言模型、遥感领域专用基础模型)的星载轻量化适配与部署、辐射环境下的AI可靠性评估、在轨自适应学习与开放环境感知、星间协同感知
2. 机载/弹载自主感知与决策
机载/弹载实时成像和目标检测/识别/跟踪、强干扰/极端机动条件下的感知鲁棒性增强、全国产化嵌入式AI导引头与任务系统、基于事件相机的弹载高速感知
3. 智能家居与健康监测
可穿戴及非接触式健康监测设备的超低功耗生理信号(ECG/EEG/PPG)获取与处理、基于AI模型的健康监测与异常健康状态辨识应用、健康监测的可解释性与健康监测设备节点的组网与分布式处理、跨用户域适应与联邦隐私保护
4. 其他前沿边缘AI应用
智慧农业与环境监测(无人机/农业机器人机载实时病虫害检测与表型分析、超低功耗传感器节点的环境参数原位感知与预警、端-云协同的精准农业决策系统)、自动驾驶与车联网(车载极端环境下的多传感器实时融合与目标检测、车路协同中的端-边协同感知与任务卸载、面向ADAS的极轻量级神经网络)、工业物联网与预测性维护(多传感器融合的工业设备实时异常检测与故障预测、无线传感器网络中分布式TinyML推理、边缘端轻量化工业知识图谱构建与实时决策)
本专题接收深度综述论文、原创研究论文、前沿观点论文、数据集/开源平台论文等类型稿件：
(1)深度综述论文：定位于领域发展的“思想引擎”。来稿须立足于深厚积淀，对前沿方向进行系统性梳理与批判性审视，提炼出具有引领性的核心问题与发展规律，为学界提供具有启发性和战略价值的学术参照。
(2)原创研究论文：以学术创新为第一生命。要求研究成果在问题、方法、技术或理论上展现出突出的原始创新性，能够有效拓展学科边界或解决关键科学问题，对领域进步具有显著的推动价值。
(3)前沿观点论文：依托“前沿洞察”专栏，打造思想交锋的高地。聚焦重大科技成果、政策与产业动态，要求作者以独立判断和扎实学理为基础，提供兼具前瞻性、权威性与批判性的深度解读、快评或产业洞察，引领学术风向。
纳入“前沿洞察”常设栏目，详见：《电子与信息学报》“前沿洞察”栏目长期征稿通知。
(4)数据集/开源平台论文：践行开放科学理念。要求论文所依托的数据集或平台具备高质量、独特性和可重用性，并遵循数据规范政策存储于合作平台(ScienceDB)。论文本身需详实描述数据构建、验证方法，为成果可重复性检验与后续创新研究提供坚实支撑。
纳入本刊数据社区：https://www.scidb.cn/c/jeit，详见：“数据论文”征集通知。
1. 专题征稿发布：2026年8月31日
2. 论文截稿时间：2027年3月31日
3. 审稿周期：投稿后2个月内反馈评审意见，录用稿件优先网络预出版
4. 正式出版时间：2027年6月
1. 严格按本刊论文模板撰写论文，否则不予接收。
2. 全文中文撰写，配套规范英文长摘要；研究论文≤18页，综述论文≤25页，特约优质综述可酌情放宽。
3. 模板下载：
https://jeit.ac.cn/news/tougaozhinan.htm
4. 本刊不接收AI直接生成的学术论文，违者按学术不端处理，详见《电子与信息学报》关于规范生成式人工智能工具使用的声明。
1. 投稿入口：登录学报官方投稿系统http://jeit.ac.cn或
作者中心在线提交稿件。
2. 专题标注：投稿时在作者留言处备注：资源约束下的自主智能感知与在轨/边缘部署专题投稿。
3. 模板下载：https://jeit.ac.cn/news/tougaozhinan.htm
4. 特色支持：数据集、仿真代码、原型视频等配套资料可联系编辑部，归档至中科院科学数据银行(ScienceDB)平台开源。
1. 本专题论文将由专题编委专家团队进行学术把关及送审，编辑部负责程序审核及学术服务保障。
2. 录用论文均正刊出版、同步网络首发，完整收录于EI Compendex、ESCI、Scopus、CSCD核心、北大中文核心等主流数据库。
3. 优质成果将通过学报融媒体矩阵等渠道全方位推广。
客座主编 (音序)
杜兰，西安电子科技大学
王密，武汉大学
邢孟道，西安电子科技大学
客座编委 (音序)
洪弘，南京理工大学
郭世盛，电子科技大学
时晨光，南京航空航天大学
孙光才，西安电子科技大学
徐丰，复旦大学
项水英，西安电子科技大学
查志远，吉林大学
张柘，空天信息大学(筹)/中国科学院空天信息创新研究院
电话：010-58887066，58887064
邮箱：jeit@mail.ie.ac.cn
《电子与信息学报》(以下简称“学报”)自1979年创刊以来，始终站在电子与信息领域学术研究的前沿，入选中国科技期刊卓越行动计划“中文领军期刊”，中国计算机学会(CCF)计算领域 T1类推荐期刊。学报由中国科学院空天信息创新研究院主办，致力于发布电子与信息领域内创新性、高水平且具有重要意义的科研成果和阶段性研究进展。
学报作为综合性学术期刊，每月1期，平均审稿周期20天，年发文量约500篇，拥有行业领先的融媒体宣传平台，是领域内最大且最活跃的学术社区之一。作为电子与信息领域最具影响力的中文科技期刊之一，学报不仅是学术交流的重要平台，也是行业发声的权威媒体。
学报已被ESCI、EI Compendex、Scopus、CSCD、《中文核心期刊要目总览》、《中国期刊全文数据库》、《中国数字化期刊群》、《中国学术期刊文摘》等主流数据库收录。
重点报道领域包括但不限于：集成电路、芯片与传感器设计、数字与阵列信号处理、无线通信与物联网、电子对抗、雷达、声呐与导航、电磁场与微波技术、图像处理、模式识别与人工智能、密码学与信息安全、计算机技术，以及其他电子与信息相关交叉学科。
▌本文来源：电子与信息学报微信公众号
编辑-Ma 校对-FM 审核-Chen
本文系《电子与信息学报》独家稿件, 内容仅供学习交流,版权属于原作者。欢迎评论、转载, 转载请与本号联系授权, 标注原作者和信息来源。
本号发布信息旨在传播交流。如涉及文字、图片、版权等问题, 请在20日内与本号联系, 我们将第一时间处理。
专题征文丨大模型与群体智能驱动的空地协同智联：体系、技术与应用
西电杜兰团队丨未知目标也能自动发现！开放世界半监督学习取得新进展
南邮王金元丨可见光通信的物理层安全：基础理论、关键技术及未来挑战
金石、李潇团队：图神经网络驱动的RIS辅助MISO-OFDMA多播系统联合传输与资源分配
