• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于混合高斯粒子濾波的OFDM頻偏估計(jì)算法

    2015-02-24 00:50:28楊霄鵬楊朝陽

    楊霄鵬,黃 洋,楊朝陽,姚 昆,焦 玲

    (空軍工程大學(xué)信息與導(dǎo)航學(xué)院,陜西 西安 710077)

    ?

    基于混合高斯粒子濾波的OFDM頻偏估計(jì)算法

    楊霄鵬,黃洋,楊朝陽,姚昆,焦玲

    (空軍工程大學(xué)信息與導(dǎo)航學(xué)院,陜西 西安710077)

    0引言

    正交頻分復(fù)用(OFDM)系統(tǒng)由于其眾多優(yōu)點(diǎn)被廣泛應(yīng)用于多個(gè)無線標(biāo)準(zhǔn),如IEEE802.11a/g、802.16、數(shù)字視頻廣播(Digital Video Broadcasting, DVB)、LTE、B3G等。然而OFDM系統(tǒng)需要子載波之間保持正交,尤其是在高速航空移動(dòng)通信中,由于航空信道存在突出的時(shí)變特性和多普勒頻移[1],會(huì)引起載波頻率偏移(CFO),破壞子載波之間的正交性,產(chǎn)生嚴(yán)重的子載波間干擾(ICI),使通信系統(tǒng)性能惡化。因此有必要采取措施來解決載波頻率偏移問題,而有效的OFDM頻偏估計(jì)算法成為解決這一問題的關(guān)鍵。

    近年來已提出多種算法[1-6],用于解決OFDM頻偏估計(jì)問題。文獻(xiàn)[2]提出的最大似然估計(jì)法(Maximum Likelihood Estimation, MLE)通過在頻域插入兩個(gè)連續(xù)的導(dǎo)頻符號(hào),接收端根據(jù)相鄰符號(hào)的相位差估計(jì)頻偏,該算法估計(jì)精度較高,但在大頻偏、高階調(diào)制時(shí)性能較差。通過將OFDM頻偏估計(jì)問題建模為動(dòng)態(tài)狀態(tài)空間模型,利用濾波類算法估計(jì)頻偏成為當(dāng)前的研究熱點(diǎn)。文獻(xiàn)[3]利用擴(kuò)展卡爾曼濾波(EKF)算法估計(jì)頻偏,其在大頻偏和高階調(diào)制下性能優(yōu)于MLE算法,但由于是對(duì)頻偏估計(jì)的非線性方程進(jìn)行一階泰勒展開,線性化后利用KF遞推求得狀態(tài)估計(jì),存在截?cái)嗾`差,從而必定會(huì)對(duì)估計(jì)精度產(chǎn)生影響,并且EKF算法存在易發(fā)散、不穩(wěn)定、對(duì)初值敏感的缺點(diǎn)。針對(duì)這些缺陷,文獻(xiàn)[4]研究了Sigma-Point卡爾曼濾波在OFDM頻偏估計(jì)中的應(yīng)用,其性能優(yōu)于EKF算法。這是因?yàn)闊o跡卡爾曼濾波(UKF)通過無跡變換實(shí)現(xiàn)了對(duì)非線性函數(shù)概率分布上的近似,而不是線性化近似非線性函數(shù)本身,其統(tǒng)計(jì)特性可以精確到三階[5]。但EKF、UKF頻偏估計(jì)算法需提前知道噪聲的統(tǒng)計(jì)信息。針對(duì)粒子濾波(Particle Filter,PF)算法無需已知噪聲的統(tǒng)計(jì)信息,且OFDM頻偏估計(jì)的觀測(cè)方程為指數(shù)形式的強(qiáng)非線性系統(tǒng),文獻(xiàn)[6]研究了基于粒子濾波的頻偏估計(jì)算法,PF算法較UKF估計(jì)精度高、收斂速度快,然而其存在粒子退化問題。文獻(xiàn)[7]提出了基于高斯粒子濾波的OFDM頻偏估計(jì)算法,高斯粒子濾波避免了重采樣步驟,濾波精度高,但算法復(fù)雜度高,實(shí)時(shí)性較差。文獻(xiàn)[8]將卡爾曼濾波與粒子濾波結(jié)合提出了混合高斯粒子濾波算法并將其應(yīng)用于組合導(dǎo)航系統(tǒng),混合算法能很好的適應(yīng)該系統(tǒng)狀態(tài)空間線性非線性混合的特點(diǎn),從而提高濾波精度和實(shí)時(shí)性。

    本文針對(duì)現(xiàn)有高斯粒子濾波OFDM頻偏估計(jì)算法復(fù)雜度高、實(shí)時(shí)性較差的不足,結(jié)合OFDM系統(tǒng)狀態(tài)空間線性非線性混合的特點(diǎn),提出了一種新的基于混合高斯粒子濾波的OFDM頻偏估計(jì)算法。

    1OFDM頻偏估計(jì)的非線性濾波模型

    在OFDM系統(tǒng)中,假設(shè)其子載波數(shù)為N,經(jīng)過符號(hào)映射后的發(fā)送數(shù)據(jù)為X(k),0≤k≤N-1,經(jīng)過離散逆傅里葉變換后得到的時(shí)域發(fā)射信號(hào)為:

    (1)

    添加長(zhǎng)度不小于最大多徑時(shí)延的循環(huán)前綴,接收端去掉循環(huán)前綴后的接收信號(hào)y(n)可表示如下:

    (2)

    (3)

    式(3)中,a表示中間狀態(tài)變量,z表示觀測(cè)量,g表示狀態(tài)轉(zhuǎn)移方程,f表示觀測(cè)方程,v、w分別表示過程噪聲和觀測(cè)噪聲。

    通常情況下,頻偏的變化速率并不快,因此可假設(shè)在單個(gè)數(shù)據(jù)幀中頻偏為一常量。這種假設(shè)在包傳輸系統(tǒng)中是成立的,例如在無線局域網(wǎng)絡(luò)(Wireless Local Area Network, WLAN)系統(tǒng)中,數(shù)據(jù)包設(shè)計(jì)的較短,這足以假設(shè)在一個(gè)數(shù)據(jù)包持續(xù)時(shí)間內(nèi)載波頻偏為一常量[3]。假設(shè)X(k)為接收端已知的訓(xùn)練符號(hào),對(duì)應(yīng)的時(shí)域信號(hào)x(n)為其傅里葉逆變換后的發(fā)射信號(hào)。為了分析推導(dǎo)方便,假設(shè)信道為高斯信道。至此,根據(jù)式(4)可以建立OFDM系統(tǒng)頻偏估計(jì)的動(dòng)態(tài)狀態(tài)空間模型(Dynamic State-Space Model,DSSM):

    (4)

    在通信終端高速運(yùn)動(dòng)環(huán)境下,例如航空移動(dòng)通信。飛行器變速運(yùn)動(dòng)時(shí),此時(shí)的頻偏為時(shí)變頻偏,此時(shí)頻偏估計(jì)DSSM模型需要更為精確的描述??梢圆捎靡浑A自回歸(AR1)模型來模擬載波頻偏的變化[9],時(shí)變頻偏下的狀態(tài)方程和觀測(cè)方程表示如下:

    (5)

    通過分析式(5)可以得到頻偏估計(jì)的動(dòng)態(tài)狀態(tài)空間模型的觀測(cè)方程為指數(shù)函數(shù)形式的強(qiáng)非線性系統(tǒng),如果采用擴(kuò)展卡爾曼濾波類方法,其本身存在的截?cái)嘈?yīng)會(huì)導(dǎo)致較大的估計(jì)誤差,且存在濾波發(fā)散、穩(wěn)定性差、對(duì)初值敏感等缺陷,從而不能達(dá)到準(zhǔn)確估計(jì)載波頻偏的目的?;诖耍疚牟捎昧W訛V波的改進(jìn)算法,即高斯粒子濾波來估計(jì)頻偏,針對(duì)頻偏估計(jì)的狀態(tài)空間線性、非線性混合模型的特點(diǎn),將線性卡爾曼濾波引入高斯粒子濾波,達(dá)到進(jìn)一步降低濾波復(fù)雜度,提高系統(tǒng)實(shí)時(shí)性的目的。

    2粒子濾波算法

    粒子濾波算法屬于貝葉斯框架下的蒙特卡羅方法。其基本思想是:首先根據(jù)系統(tǒng)狀態(tài)變量的經(jīng)驗(yàn)條件分布,通過在狀態(tài)空間產(chǎn)生一組隨機(jī)樣本點(diǎn)(即粒子)及其每個(gè)粒子對(duì)應(yīng)的權(quán)值,并以均值代替積分運(yùn)算,根據(jù)得到的觀測(cè)數(shù)據(jù)不停的調(diào)整粒子的權(quán)重和位置用來修正最初的條件分布。

    考慮如式(4)的OFDM頻偏估計(jì)的非線性狀態(tài)空間模型。

    假設(shè)n時(shí)刻的頻偏狀態(tài)變量的集合為ε0:n={ε0,ε1,…,εn},觀測(cè)向量的數(shù)據(jù)集合為y0:n={y0,y1,…,yn}。根據(jù)貝葉斯估計(jì)的原理,狀態(tài)量n時(shí)刻的后驗(yàn)概率密度可表示為如下:

    (6)

    (7)

    式(7)中,δ(·)表示狄拉克函數(shù)。

    (8)

    (9)

    以上為序貫蒙特卡羅粒子濾波算法的基本原理,在實(shí)際應(yīng)用中隨著迭代的進(jìn)行,除去一個(gè)粒子外,所有粒子都只具有微小的權(quán)重,重要性權(quán)值方差會(huì)隨著時(shí)間的增加而變大,這樣將會(huì)導(dǎo)致退化現(xiàn)象的發(fā)生。選擇重要性函數(shù)和重采樣方法是克服退化效應(yīng)最有效的手段[10]。但是在實(shí)際應(yīng)用中,一方面,大量粒子在處理非線性、非高斯問題時(shí)會(huì)存在計(jì)算復(fù)雜度高和大權(quán)值粒子反復(fù)被選擇引起的粒子貧化效應(yīng)問題。另一方面優(yōu)化的重要性密度函數(shù)的獲取與從目標(biāo)函數(shù)分布中抽取樣本的困難程度完全等同。為了解決這一問題,可以選擇高斯分布函數(shù)來構(gòu)造重要性密度函數(shù),即采用高斯分布來產(chǎn)生下一個(gè)預(yù)測(cè)粒子。通過高斯密度函數(shù)來近似濾波概率分布,將最新的觀測(cè)數(shù)據(jù)融入到了系統(tǒng)的狀態(tài)轉(zhuǎn)移過程中,這樣產(chǎn)生的預(yù)測(cè)樣本非常接近于狀態(tài)真實(shí)后驗(yàn)概率的樣本。高斯粒子濾波器適用于非線性、非高斯系統(tǒng)環(huán)境,具有較高的濾波精度,算法簡(jiǎn)單穩(wěn)定性強(qiáng),避免了重采樣步驟且不存在粒子退化現(xiàn)象,實(shí)時(shí)性好,易于超大規(guī)模集成電路實(shí)現(xiàn)[11]。

    3快速采樣混合高斯粒子濾波的頻偏估計(jì)器

    高斯粒子濾波的核心思想是假定被估計(jì)的狀態(tài)變量后驗(yàn)概率密度函數(shù)近似服從高斯分布,然后利用粒子濾波算法求解高斯分布的相關(guān)參數(shù)以得到狀態(tài)的估計(jì)值。高斯粒子濾波的目的是通過一群粒子及其相應(yīng)的權(quán)值來得到系統(tǒng)的濾波密度函數(shù)p(ε|y1:n)。一般情況下服從高斯分布的隨機(jī)變量ε的概率密度函數(shù)可表示如下:

    μ)Σ-1(ε-μ)/2])

    (10)

    式(10)中,μ表示m維向量ε的均值,Σ為ε的協(xié)方差陣。

    高斯粒子濾波可以表述如下:

    GPF測(cè)量更新過程:當(dāng)獲得k時(shí)刻的觀測(cè)值yk后,濾波密度函數(shù)可以表示如下:

    式(11)中,Ck=(∫p(εk|y0:k-1)p(yk|εk)dεk)-1為歸一化因子。濾波概率密度可以近似為如下形式的高斯分布:

    p(εk|y0:k)≈N(εk;μk,Σk)

    (12)

    GPF的時(shí)間更新過程:通過在k時(shí)刻從概率密度p(εk+1|εk)中采樣,則可得

    (13)

    把p(εk+1|y0:k)近似為如下所示的高斯分布:

    (14)

    高斯分布參數(shù)的獲取是通過對(duì)樣本及其權(quán)值計(jì)算得到的。本文所解決的問題中,OFDM的頻偏估計(jì)的狀態(tài)空間模型狀態(tài)方程為線性,觀測(cè)方程為非線性的混合模型。針對(duì)這種具體應(yīng)用環(huán)境,可以采用混合粒子濾波算法進(jìn)行求解。混合粒子濾波算法的核心思想是:對(duì)狀態(tài)方程的線性部分采用KF的線性遞推方式取代高斯粒子濾波中的更新方式,對(duì)非線性部分保留高斯粒子濾波遞推方式。

    基于混合高斯粒子濾波的OFDM頻偏估計(jì)算法步驟如下:

    1)初始化

    通過選取合適的參數(shù),使粒子服從參數(shù)為N(ε0,μ0,Σ0)的正態(tài)分布。

    2)時(shí)間更新

    (15)

    3)量測(cè)更新

    (16)

    (17)

    4)計(jì)算濾波結(jié)果和相關(guān)參數(shù)

    根據(jù)之前的采樣粒子及其對(duì)應(yīng)的權(quán)值計(jì)算濾波結(jié)果和高斯分布參數(shù),從而使得量測(cè)更新后的粒子服從N(εk,μk,Σk)正態(tài)分布,狀態(tài)頻偏的濾波值估計(jì)值μk及其對(duì)應(yīng)的方差Σk可由下式計(jì)算:

    (18)

    (19)

    返回步驟2),循環(huán)以上步驟。

    以上為基于混合高斯粒子濾波算法的OFDM頻偏估計(jì)的算法步驟。通過對(duì)步驟2)時(shí)間更新過程的分析可以發(fā)現(xiàn),改進(jìn)后的GPF算法只需更新高斯分布參數(shù)和方差,不需要對(duì)每個(gè)粒子逐個(gè)更新,因此改進(jìn)后的GPF算法計(jì)算量較低,并且對(duì)于線性系統(tǒng)而言,KF狀態(tài)更新過程為最優(yōu)估計(jì),所以其在降低復(fù)雜度的同時(shí)保證了精度不會(huì)下降。

    (20)

    4仿真分析

    為了驗(yàn)證改進(jìn)的混合高斯粒子濾波的算法的性能,分別在如式(4)和式(5)所示的模型下進(jìn)行了仿真分析,并對(duì)比分析了UKF、GPF和本文所提頻偏估計(jì)算法的性能。OFDM系統(tǒng)參數(shù)設(shè)置為:子載波數(shù)N=64,訓(xùn)練序列采用PN序列,長(zhǎng)度為64,歸一化載波頻偏為ε=0.25,AR1模型初始頻偏ε0=0.25,采用16QAM高階調(diào)制,加性高斯白噪聲信道,頻偏初值不失一般性設(shè)置為0.01。

    圖1為信噪比SNR=15 dB,GPF算法和本文算法中粒子數(shù)均取M=200,16QAM調(diào)制下,固定頻偏模型和和時(shí)變頻偏一階AR模型下的頻偏估計(jì)曲線。通過觀察收斂曲線(a)的變化趨勢(shì)可以發(fā)現(xiàn),GPF和本文頻偏估計(jì)算法較UKF頻偏估計(jì)算法收斂速度更快,精度更高。GPF和本文算法大約在第10步左右即可收斂到真實(shí)頻偏,而UKF算法需要25步左右才可收斂到頻偏真實(shí)值附近。而通過圖1(b)可以進(jìn)一步發(fā)現(xiàn)GPF和本文算法在對(duì)時(shí)變頻偏的跟蹤方面性能更優(yōu),估計(jì)精度更高。

    圖1 三種頻偏估計(jì)算法收斂曲線比較Fig.1 Comparison of three carrier frequency offsetestimation algorithms convergence curve

    圖2為信噪比SNR=15 dB,16QAM調(diào)制下頻偏糾正前后的星座圖。對(duì)比收發(fā)前后的信號(hào)星座圖可以發(fā)現(xiàn),由于頻偏的存在使得星座圖發(fā)生了嚴(yán)重的相位旋轉(zhuǎn)和畸變,導(dǎo)致解調(diào)出錯(cuò),通信性能惡化。經(jīng)過頻偏估計(jì)和補(bǔ)償后相位旋轉(zhuǎn)得到了糾正,星座圖緊湊清晰。

    定義頻偏估計(jì)的均方誤差(Minimum, Square, Error, MSE)為:

    (21)

    式(21)中,P為蒙特卡羅仿真的次數(shù),N為子載波個(gè)數(shù),μk為頻偏估計(jì)估值,εk為頻偏真實(shí)值。

    圖2 信號(hào)糾偏前后的星座圖Fig.2 Signal constellation with frequency offsetand frequency offset compensation results

    圖3為16QAM調(diào)制,粒子數(shù)M=200,P取1 000時(shí),三種算法的頻偏估計(jì)MSE隨信噪比(Signal Noise Ratio, SNR)性能曲線。表1為同一參數(shù)下,兩種算法在單次運(yùn)行中的時(shí)間比較,以此來驗(yàn)證本文算法的計(jì)算復(fù)雜度較低的優(yōu)點(diǎn)。從圖3可以看出基于確定性采樣的UKF頻偏估計(jì)算法的估計(jì)精度較基于隨機(jī)采樣的GPF和本文提出的快速采樣混合算法要低。本文提出的基于混合高斯粒子濾波的算法的頻偏估計(jì)精度和文獻(xiàn)[6]中基于GPF濾波的頻偏估計(jì)算法性能十分接近。而通過表1可以得到,本文算法較GPF濾波算法運(yùn)行時(shí)間明顯減少,計(jì)算復(fù)雜度有所降低,這與前面理論分析一致。

    圖3 頻偏估計(jì)的MSE曲線Fig.3 The MSE property of four kinds of algorithms

    算法運(yùn)行時(shí)間/sGPF頻偏估計(jì)0.1063本文算法0.0781

    5結(jié)論

    本文提出了基于混合高斯粒子濾波的OFDM頻偏估計(jì)算法。該算法根據(jù)OFDM系統(tǒng)頻偏估計(jì)線性、非線性混和模型的特點(diǎn),其中狀態(tài)更新過程采用KF濾波更新方式,直接更新高斯分布參數(shù)而非逐個(gè)粒子進(jìn)行更新,有效地降低了濾波復(fù)雜度。在量測(cè)更新階段通過線性變換法生成需要服從特定參數(shù)的高斯分布粒子群,相比于傳統(tǒng)采樣算法,計(jì)算復(fù)雜度降低。仿真實(shí)驗(yàn)和分析表明,該算法在保證濾波精度、快速收斂的同時(shí)有效地減少了算法運(yùn)行時(shí)間,提高了系統(tǒng)的實(shí)時(shí)性。

    參考文獻(xiàn):

    [1]陳強(qiáng), 楊霄鵬, 歐陽超,等. 基于TD-NLMS的航空移動(dòng)通信OFDM系統(tǒng)載波頻率偏移消除[J]. 空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版), 2013, 14(1):71-74.

    [2]YU J H, SU Y T. Pilot-assisted maximum-likelihood frequency-offset estimation for OFDM systems[J]. IEEE Transactions on Communications. 2004, 52(11): 1997-2008.

    [3]Alex P. Palamides and Andreas M. Maras. A Bayesian state-space approach to combat inter-carrier interference in OFDM systems[J]. IEEE signal processing letters, 2007, 14(10):677-679.

    [4]張?chǎng)蚊?葉鋒,楊波,等.Sigma-Point卡爾曼濾波用于OFDM載波頻偏估計(jì)[J].天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版),2013,46(5):458-462.

    [5]Julier S J, Uhlmann J K. A new method for the nonlinear transformation of means and covariances in filters and estimators[J]. IEEE Trans on Automatic Control, 2000,45(3): 477-482.

    [6]Jaechan Lim, Daehyoung Hong. Frequency -selective and nonlinear channel estimation with unknown noise statistics[J]. IEEE communications letters,2010,14(3):245-247.

    [7]Jaechan Lim, Daehyoung Hong. Gaussian particle filtering approach for carrier frequency offset estimation in OFDM systems[J]. IEEE signal processing letters, 2013, 20(4):367-370.

    [8]熊劍, 郭杭, 熊智,等.GPS/INS組合導(dǎo)航系統(tǒng)中的高斯粒子濾波混合算法[J].中國(guó)慣性技術(shù)學(xué)報(bào),2012,20(2):225-229.

    [9]Eric Pierre Simon, Hussein Hijazi, Laurent Ros, et al. Joint estimation of carrier frequency offset and channel complex gains for OFDM systems in fast time-varying vehicular environment[C]//IEEE International Conference on Communications(ICC). Cape Town: IEEE Press, 2010:1-5.

    [10]Jayesh H Kotecha, Petar M. Gaussian particle filtering[J]. IEEE Transactions on signal processing, 2003, 51(10):2592-2601.

    [11]趙琳, 王小旭, 李亮,等. 非線性系統(tǒng)濾波理論[M]. 北京:國(guó)防工業(yè)出版社,2012:181-182.

    [12]陳鵬,錢徽,朱淼良.一種快速高斯粒子濾波算法[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版), 2009,36(S1):291-294.

    摘要:針對(duì)現(xiàn)有正交頻分復(fù)用(OFDM)系統(tǒng)高斯粒子濾波頻偏估計(jì)算法復(fù)雜度高、實(shí)時(shí)性較差的不足,結(jié)合OFDM系統(tǒng)狀態(tài)空間線性非線性混合的特點(diǎn),提出了一種新的基于混合高斯粒子濾波的OFDM頻偏估計(jì)算法。該算法采用狀態(tài)空間模型對(duì)其進(jìn)行了建模分析,通過將卡爾曼濾波與高斯粒子濾波相結(jié)合,在時(shí)間更新階段直接更新高斯分布參數(shù)代替逐個(gè)粒子更新,在量測(cè)更新階段采用線性變換法生成采樣粒子群代替?zhèn)鹘y(tǒng)高斯采樣過程,降低了濾波復(fù)雜度,避免了粒子退化和貧化問題。仿真實(shí)驗(yàn)和分析表明,該算法在保證濾波精度、快速收斂的同時(shí)有效地減少了算法運(yùn)行時(shí)間,提高了系統(tǒng)實(shí)時(shí)性。

    關(guān)鍵詞:正交頻分復(fù)用;多普勒效應(yīng);頻偏估計(jì);高斯粒子濾波;快速采樣

    Carrier Frequency Offset Algorithm in OFDM Systems Based on Hybrid Gaussian Particle FilteringYANG Xiaopeng, HUANG Yang, YANG Chaoyang,YAO Kun, JIAO Ling

    (School of Information and Navigation, Air Force Engineering University, Xi’an 710077, China)

    Abstract:To solve the problems of high complexity, poor real-time of the Gauss particle filter carrier frequency offset estimation algorithm, for the property of OFDM system state-space model linearity and nonlinearity, a new fast sampling hybrid Gaussian particle filtering algorithm was proposed. Kalman filtering was combined with Gaussian particle filtering. During the time updating process, the parameters of Gaussian distribution was updated by instead of the each particle updating. During the measurement updating process, the linear transformation method was adopted to produce particles instead of traditional Gaussian sampling particle method. The complexity was decreased effectively and the particle impoverishment and dilution effect were avoided. The simulation results demonstrate the proposed algorithm while ensuring the accuracy and convergence speed, and could reduce the complexity and improve the real-time property.

    Key words:orthogonal frequency-division multiplexing; Doppler effect; frequency offset estimation; Gaussian particle filtering; fast sampling

    中圖分類號(hào):TN911.7

    文獻(xiàn)標(biāo)志碼:A

    文章編號(hào):1008-1194(2015)06-0071-06

    作者簡(jiǎn)介:楊霄鵬(1973—),男,甘肅天水人,博士,副教授,研究方向:寬帶無線通信,信號(hào)處理。E-mail:hyznhhy@qq.com。

    基金項(xiàng)目:國(guó)家自然科學(xué)基金資助項(xiàng)目(61202490);航空科學(xué)基金(2013ZC15008)

    *收稿日期:2015-07-12

    av电影中文网址| 大型av网站在线播放| 精品福利观看| 制服人妻中文乱码| 亚洲人成电影观看| 亚洲精品美女久久久久99蜜臀| av中文乱码字幕在线| 又黄又爽又免费观看的视频| 久久人妻av系列| 亚洲免费av在线视频| 嫁个100分男人电影在线观看| 免费女性裸体啪啪无遮挡网站| 亚洲精品一二三| 又紧又爽又黄一区二区| 久久 成人 亚洲| 女人被狂操c到高潮| 久久久久国内视频| 国产欧美日韩一区二区精品| 久久久国产成人免费| 日本a在线网址| 99国产精品99久久久久| 亚洲欧美精品综合久久99| 天堂中文最新版在线下载| 日韩中文字幕欧美一区二区| 亚洲欧美日韩高清在线视频| 极品人妻少妇av视频| 一a级毛片在线观看| 夜夜爽天天搞| 美女大奶头视频| 国产在线精品亚洲第一网站| 久9热在线精品视频| 国产精品av久久久久免费| 18禁观看日本| 久久精品亚洲精品国产色婷小说| 国产精品一区二区免费欧美| 日韩精品中文字幕看吧| 婷婷丁香在线五月| 久久精品91无色码中文字幕| 久久人妻熟女aⅴ| 新久久久久国产一级毛片| 免费一级毛片在线播放高清视频 | 香蕉久久夜色| 久久九九热精品免费| 黄片大片在线免费观看| 啪啪无遮挡十八禁网站| 亚洲人成77777在线视频| 亚洲精品一二三| 国产不卡一卡二| 日韩精品免费视频一区二区三区| 成年版毛片免费区| 曰老女人黄片| 国产亚洲精品久久久久久毛片| 欧美人与性动交α欧美软件| 正在播放国产对白刺激| 亚洲成a人片在线一区二区| 首页视频小说图片口味搜索| 亚洲av电影在线进入| 啦啦啦免费观看视频1| 久久狼人影院| 国产亚洲精品第一综合不卡| 国产免费男女视频| 人人妻人人添人人爽欧美一区卜| cao死你这个sao货| 亚洲av电影在线进入| 80岁老熟妇乱子伦牲交| 999久久久国产精品视频| 日本黄色日本黄色录像| 欧美日韩av久久| 一级毛片高清免费大全| 在线播放国产精品三级| 两性夫妻黄色片| 免费观看人在逋| 黑丝袜美女国产一区| 国产不卡一卡二| 亚洲欧美日韩无卡精品| 女人高潮潮喷娇喘18禁视频| 嫩草影视91久久| 日韩精品青青久久久久久| 女同久久另类99精品国产91| 美国免费a级毛片| 91老司机精品| 黄色丝袜av网址大全| 亚洲第一欧美日韩一区二区三区| 久久久久九九精品影院| 亚洲视频免费观看视频| 欧美性长视频在线观看| 欧美中文日本在线观看视频| 久久性视频一级片| 国产成人精品久久二区二区91| 老汉色av国产亚洲站长工具| 亚洲国产毛片av蜜桃av| 色哟哟哟哟哟哟| 麻豆成人av在线观看| xxxhd国产人妻xxx| 久久热在线av| 久久国产精品人妻蜜桃| 免费观看精品视频网站| 国产极品粉嫩免费观看在线| 一个人观看的视频www高清免费观看 | 岛国在线观看网站| 国产1区2区3区精品| 国产精品 欧美亚洲| 免费女性裸体啪啪无遮挡网站| 琪琪午夜伦伦电影理论片6080| 嫩草影视91久久| 在线观看66精品国产| 一本大道久久a久久精品| av国产精品久久久久影院| 亚洲男人的天堂狠狠| 欧美另类亚洲清纯唯美| 免费在线观看亚洲国产| 99国产精品一区二区蜜桃av| 国产精品av久久久久免费| 久久精品影院6| 亚洲精品国产精品久久久不卡| 亚洲一区二区三区欧美精品| 99国产精品一区二区蜜桃av| 极品教师在线免费播放| 精品国产一区二区三区四区第35| 一区二区三区激情视频| 老司机深夜福利视频在线观看| 成年人黄色毛片网站| 亚洲激情在线av| 国产男靠女视频免费网站| 天堂俺去俺来也www色官网| 91九色精品人成在线观看| 午夜精品在线福利| 午夜两性在线视频| 国产精品免费视频内射| 一级a爱视频在线免费观看| 国产精品亚洲一级av第二区| 欧美成人午夜精品| 免费观看精品视频网站| 久久国产精品人妻蜜桃| 欧美最黄视频在线播放免费 | 亚洲一卡2卡3卡4卡5卡精品中文| 人成视频在线观看免费观看| 交换朋友夫妻互换小说| 热99re8久久精品国产| 国产成人精品无人区| a级毛片在线看网站| 免费搜索国产男女视频| 两性夫妻黄色片| 中亚洲国语对白在线视频| 亚洲av第一区精品v没综合| 大型av网站在线播放| 久久久国产精品麻豆| 免费观看人在逋| 中文字幕人妻丝袜制服| 亚洲男人天堂网一区| 国产又色又爽无遮挡免费看| 亚洲国产欧美日韩在线播放| 夜夜看夜夜爽夜夜摸 | 亚洲欧美激情在线| 水蜜桃什么品种好| 九色亚洲精品在线播放| 黑人巨大精品欧美一区二区蜜桃| 亚洲成人久久性| 99国产极品粉嫩在线观看| 色哟哟哟哟哟哟| av天堂在线播放| 他把我摸到了高潮在线观看| 成人三级黄色视频| 午夜影院日韩av| 亚洲第一av免费看| 男人舔女人下体高潮全视频| 国产精品国产av在线观看| 亚洲第一青青草原| 女性生殖器流出的白浆| 成人三级黄色视频| 99国产极品粉嫩在线观看| 自线自在国产av| 波多野结衣高清无吗| 美女午夜性视频免费| 欧美老熟妇乱子伦牲交| 国产午夜精品久久久久久| 叶爱在线成人免费视频播放| а√天堂www在线а√下载| 久久精品91无色码中文字幕| 欧美日韩一级在线毛片| 无人区码免费观看不卡| 欧美日韩一级在线毛片| 国产精品美女特级片免费视频播放器 | 高清毛片免费观看视频网站 | 美女扒开内裤让男人捅视频| aaaaa片日本免费| 亚洲一区高清亚洲精品| 狂野欧美激情性xxxx| 热99re8久久精品国产| e午夜精品久久久久久久| 免费久久久久久久精品成人欧美视频| 成人18禁高潮啪啪吃奶动态图| 成人精品一区二区免费| 亚洲va日本ⅴa欧美va伊人久久| 亚洲 欧美 日韩 在线 免费| 不卡一级毛片| 国产无遮挡羞羞视频在线观看| 三上悠亚av全集在线观看| 波多野结衣高清无吗| 涩涩av久久男人的天堂| 亚洲国产精品sss在线观看 | 精品国产一区二区三区四区第35| 97碰自拍视频| 中文亚洲av片在线观看爽| 亚洲五月色婷婷综合| 欧美日韩亚洲综合一区二区三区_| av免费在线观看网站| 欧美人与性动交α欧美软件| 老司机在亚洲福利影院| 妹子高潮喷水视频| 精品国产亚洲在线| 黄色 视频免费看| 波多野结衣高清无吗| 亚洲国产毛片av蜜桃av| 久久国产亚洲av麻豆专区| 中文字幕av电影在线播放| 国产高清国产精品国产三级| 免费av中文字幕在线| 久久影院123| 亚洲国产中文字幕在线视频| 久久伊人香网站| av福利片在线| 一进一出抽搐动态| 欧美丝袜亚洲另类 | 久久精品aⅴ一区二区三区四区| 国产精品一区二区三区四区久久 | 欧美日韩视频精品一区| 日韩有码中文字幕| 熟女少妇亚洲综合色aaa.| 亚洲中文日韩欧美视频| 99国产精品99久久久久| 黑人欧美特级aaaaaa片| 国产97色在线日韩免费| 夫妻午夜视频| 怎么达到女性高潮| 精品国产国语对白av| 亚洲专区字幕在线| 九色亚洲精品在线播放| 国产欧美日韩一区二区三区在线| 精品一品国产午夜福利视频| 天堂√8在线中文| 国产精品偷伦视频观看了| 99久久国产精品久久久| 丰满人妻熟妇乱又伦精品不卡| 欧美日韩国产mv在线观看视频| 欧美日韩瑟瑟在线播放| 亚洲人成网站在线播放欧美日韩| 妹子高潮喷水视频| 国产成人系列免费观看| 久久亚洲精品不卡| 视频区欧美日本亚洲| 久久精品国产清高在天天线| 在线观看免费视频网站a站| av视频免费观看在线观看| 亚洲第一青青草原| 亚洲精品中文字幕一二三四区| 久久精品91无色码中文字幕| 亚洲国产精品合色在线| 国产精品 欧美亚洲| 国内久久婷婷六月综合欲色啪| 性少妇av在线| 日本三级黄在线观看| 亚洲国产欧美网| 热99国产精品久久久久久7| 成人特级黄色片久久久久久久| 欧美日本亚洲视频在线播放| 亚洲精品一二三| av在线天堂中文字幕 | av福利片在线| 桃色一区二区三区在线观看| 丰满人妻熟妇乱又伦精品不卡| 精品国产乱子伦一区二区三区| 热re99久久国产66热| 欧美精品亚洲一区二区| 日本五十路高清| 亚洲成av片中文字幕在线观看| 亚洲国产精品一区二区三区在线| 成年人黄色毛片网站| 在线av久久热| bbb黄色大片| 欧美丝袜亚洲另类 | 丝袜美足系列| 久久香蕉精品热| 新久久久久国产一级毛片| 露出奶头的视频| 女人精品久久久久毛片| 亚洲av成人一区二区三| 亚洲欧美日韩另类电影网站| 欧美日韩亚洲高清精品| 一二三四社区在线视频社区8| 一区二区日韩欧美中文字幕| 99国产精品免费福利视频| 满18在线观看网站| 男人的好看免费观看在线视频 | 少妇裸体淫交视频免费看高清 | 久久精品国产亚洲av高清一级| 久久精品成人免费网站| 亚洲一区高清亚洲精品| 美女福利国产在线| 悠悠久久av| 久久精品aⅴ一区二区三区四区| 天堂√8在线中文| 黄片大片在线免费观看| 多毛熟女@视频| 九色亚洲精品在线播放| 亚洲成人精品中文字幕电影 | 一夜夜www| 国产97色在线日韩免费| 韩国av一区二区三区四区| 精品国产亚洲在线| 一级a爱片免费观看的视频| 日韩欧美一区视频在线观看| 免费在线观看完整版高清| 午夜免费观看网址| 在线观看免费视频网站a站| 亚洲伊人色综图| 久久狼人影院| 国产精品一区二区三区四区久久 | 99香蕉大伊视频| 国产片内射在线| 老司机靠b影院| 两个人免费观看高清视频| 久久中文字幕一级| 国产精品成人在线| 国产精品一区二区免费欧美| 一边摸一边做爽爽视频免费| 日韩成人在线观看一区二区三区| 国产亚洲欧美在线一区二区| 亚洲五月婷婷丁香| 国产成人啪精品午夜网站| 国产亚洲精品一区二区www| 国产亚洲精品第一综合不卡| 90打野战视频偷拍视频| 桃红色精品国产亚洲av| av天堂久久9| 欧美激情久久久久久爽电影 | 在线观看66精品国产| 亚洲成人免费av在线播放| 啦啦啦 在线观看视频| 久久精品亚洲av国产电影网| 最新美女视频免费是黄的| 老熟妇乱子伦视频在线观看| 亚洲精品一区av在线观看| 少妇 在线观看| 日韩欧美国产一区二区入口| 免费看a级黄色片| 亚洲狠狠婷婷综合久久图片| 日韩有码中文字幕| 精品久久蜜臀av无| 手机成人av网站| 嫩草影视91久久| 在线永久观看黄色视频| av在线天堂中文字幕 | 国产欧美日韩精品亚洲av| 长腿黑丝高跟| 精品免费久久久久久久清纯| 最近最新中文字幕大全免费视频| 久久九九热精品免费| 18禁黄网站禁片午夜丰满| 高清在线国产一区| 亚洲中文日韩欧美视频| 成人三级黄色视频| 另类亚洲欧美激情| 欧美激情高清一区二区三区| 91在线观看av| 国产人伦9x9x在线观看| 水蜜桃什么品种好| 日韩精品免费视频一区二区三区| 国产亚洲欧美在线一区二区| 如日韩欧美国产精品一区二区三区| 日本wwww免费看| 国产精品一区二区免费欧美| 日韩中文字幕欧美一区二区| 国产不卡一卡二| 国产精品九九99| 大型av网站在线播放| а√天堂www在线а√下载| 精品福利永久在线观看| aaaaa片日本免费| 在线国产一区二区在线| 亚洲人成网站在线播放欧美日韩| 久久国产乱子伦精品免费另类| 国产成年人精品一区二区 | 中文字幕另类日韩欧美亚洲嫩草| tocl精华| 别揉我奶头~嗯~啊~动态视频| 午夜免费鲁丝| 欧美日韩精品网址| 久久亚洲精品不卡| 精品免费久久久久久久清纯| 国内久久婷婷六月综合欲色啪| 国产伦一二天堂av在线观看| 国产高清视频在线播放一区| 黄色视频,在线免费观看| 一级片免费观看大全| 老司机福利观看| 日本撒尿小便嘘嘘汇集6| 欧美大码av| 亚洲精品成人av观看孕妇| 女同久久另类99精品国产91| 欧美黄色片欧美黄色片| 精品久久久久久久毛片微露脸| 丝袜人妻中文字幕| 亚洲男人的天堂狠狠| 亚洲欧美一区二区三区久久| 水蜜桃什么品种好| 国产精品香港三级国产av潘金莲| 女人被躁到高潮嗷嗷叫费观| 亚洲精品在线观看二区| 亚洲av日韩精品久久久久久密| 久久精品91无色码中文字幕| 久久久国产成人精品二区 | 亚洲欧美日韩高清在线视频| 激情视频va一区二区三区| 成人三级黄色视频| 久久99一区二区三区| 亚洲情色 制服丝袜| netflix在线观看网站| 99久久人妻综合| 99re在线观看精品视频| 日韩高清综合在线| 成人18禁高潮啪啪吃奶动态图| 9色porny在线观看| 嫩草影视91久久| 黄片小视频在线播放| 日韩高清综合在线| 一级毛片高清免费大全| av中文乱码字幕在线| 亚洲狠狠婷婷综合久久图片| 成年女人毛片免费观看观看9| 精品一区二区三区av网在线观看| 12—13女人毛片做爰片一| 日韩视频一区二区在线观看| 亚洲人成电影免费在线| 欧美性长视频在线观看| 久久久国产精品麻豆| 国产精品一区二区在线不卡| 国产成人系列免费观看| x7x7x7水蜜桃| 久久天躁狠狠躁夜夜2o2o| 女人被狂操c到高潮| 国产伦一二天堂av在线观看| 国产一区在线观看成人免费| 一级片免费观看大全| 国产精品美女特级片免费视频播放器 | 国产三级在线视频| 中文欧美无线码| 久久影院123| 动漫黄色视频在线观看| 国内毛片毛片毛片毛片毛片| 精品久久久久久电影网| 国产伦一二天堂av在线观看| 宅男免费午夜| 久久久久久久久久久久大奶| 欧美中文日本在线观看视频| 欧美精品亚洲一区二区| 久久久精品欧美日韩精品| 欧美另类亚洲清纯唯美| 老汉色∧v一级毛片| 免费av毛片视频| 在线观看免费午夜福利视频| av免费在线观看网站| 国产欧美日韩一区二区三| 欧美日韩视频精品一区| 欧美精品啪啪一区二区三区| a级片在线免费高清观看视频| 国产av一区二区精品久久| 中亚洲国语对白在线视频| 欧美成人免费av一区二区三区| 黄色成人免费大全| 久久香蕉国产精品| 亚洲精品国产一区二区精华液| 欧美一区二区精品小视频在线| 91av网站免费观看| 精品午夜福利视频在线观看一区| 国产精品一区二区精品视频观看| 久久久久久大精品| 免费av中文字幕在线| 一边摸一边做爽爽视频免费| 精品一区二区三卡| 国产成年人精品一区二区 | 欧美日韩福利视频一区二区| 黄色丝袜av网址大全| 欧美精品啪啪一区二区三区| 久久狼人影院| 夜夜爽天天搞| 窝窝影院91人妻| 婷婷精品国产亚洲av在线| 久久久精品欧美日韩精品| 日本三级黄在线观看| 亚洲精品成人av观看孕妇| 老汉色av国产亚洲站长工具| 亚洲一区高清亚洲精品| 激情在线观看视频在线高清| 亚洲片人在线观看| 在线看a的网站| 国产片内射在线| 日韩欧美国产一区二区入口| 一个人免费在线观看的高清视频| 91麻豆av在线| 又紧又爽又黄一区二区| 国产精品九九99| 亚洲avbb在线观看| 999久久久国产精品视频| 人成视频在线观看免费观看| 黄色毛片三级朝国网站| 美女午夜性视频免费| 亚洲七黄色美女视频| 久久人人爽av亚洲精品天堂| 999精品在线视频| 电影成人av| 亚洲一区二区三区不卡视频| 侵犯人妻中文字幕一二三四区| 亚洲av成人av| 国产精品美女特级片免费视频播放器 | 韩国精品一区二区三区| 日韩人妻精品一区2区三区| 在线观看舔阴道视频| 亚洲精品久久成人aⅴ小说| 欧美色视频一区免费| 黄色成人免费大全| 嫩草影院精品99| 精品国内亚洲2022精品成人| 午夜福利欧美成人| 丝袜美腿诱惑在线| 日日夜夜操网爽| 在线视频色国产色| 夜夜爽天天搞| 成人国语在线视频| 一边摸一边做爽爽视频免费| 性色av乱码一区二区三区2| 可以免费在线观看a视频的电影网站| 中文欧美无线码| 欧美日韩亚洲国产一区二区在线观看| 91九色精品人成在线观看| 亚洲 欧美 日韩 在线 免费| 一进一出好大好爽视频| 大香蕉久久成人网| 日日夜夜操网爽| 欧美老熟妇乱子伦牲交| 视频区欧美日本亚洲| 性少妇av在线| 成年版毛片免费区| 色综合站精品国产| 丰满人妻熟妇乱又伦精品不卡| 亚洲一区中文字幕在线| 亚洲精品一二三| 国产有黄有色有爽视频| 丰满迷人的少妇在线观看| 午夜免费观看网址| 99热国产这里只有精品6| 国产aⅴ精品一区二区三区波| av天堂在线播放| 又大又爽又粗| 热re99久久精品国产66热6| 电影成人av| 又黄又粗又硬又大视频| 久久精品国产清高在天天线| 久久精品国产99精品国产亚洲性色 | cao死你这个sao货| 免费观看精品视频网站| 国产又爽黄色视频| 亚洲欧美精品综合久久99| 97碰自拍视频| 国产精品九九99| 国产片内射在线| 亚洲 国产 在线| 欧美日韩福利视频一区二区| 97人妻天天添夜夜摸| 亚洲av第一区精品v没综合| 人人澡人人妻人| 国产深夜福利视频在线观看| 三级毛片av免费| 99久久久亚洲精品蜜臀av| 成年人黄色毛片网站| 国产精品98久久久久久宅男小说| 欧美日韩亚洲综合一区二区三区_| 黑人猛操日本美女一级片| 三上悠亚av全集在线观看| 久久99一区二区三区| 日日爽夜夜爽网站| 十八禁网站免费在线| 欧美黄色淫秽网站| 免费看a级黄色片| 青草久久国产| 美女国产高潮福利片在线看| 亚洲七黄色美女视频| 国产激情欧美一区二区| 国产精品二区激情视频| 最新在线观看一区二区三区| 热re99久久精品国产66热6| 久久精品成人免费网站| 三级毛片av免费| 亚洲全国av大片| 在线观看日韩欧美| 成人特级黄色片久久久久久久| 国产色视频综合| 国产精品99久久99久久久不卡| 国产精品久久视频播放| 一边摸一边抽搐一进一出视频| 中文字幕人妻丝袜一区二区| 夜夜躁狠狠躁天天躁| 国产欧美日韩一区二区三| 丰满迷人的少妇在线观看| 人人妻人人爽人人添夜夜欢视频| 免费观看精品视频网站| 99精品欧美一区二区三区四区| 真人做人爱边吃奶动态| 琪琪午夜伦伦电影理论片6080| 欧美乱码精品一区二区三区| 欧美日韩乱码在线| 亚洲va日本ⅴa欧美va伊人久久| 啦啦啦 在线观看视频| 黑人操中国人逼视频| 深夜精品福利|