• <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 ?

    輸入非均勻采樣廣義輸出誤差模型的遞推貝葉斯參數(shù)辨識(shí)算法

    2016-07-19 02:07:27學(xué)
    關(guān)鍵詞:采樣系統(tǒng)后驗(yàn)估計(jì)值

    景 紹 學(xué)

    (淮安信息職業(yè)技術(shù)學(xué)院電氣工程系 江蘇 淮安 223003)(江蘇大學(xué)電氣信息工程學(xué)院 江蘇 鎮(zhèn)江 212013)

    ?

    輸入非均勻采樣廣義輸出誤差模型的遞推貝葉斯參數(shù)辨識(shí)算法

    景 紹 學(xué)

    (淮安信息職業(yè)技術(shù)學(xué)院電氣工程系江蘇 淮安 223003)(江蘇大學(xué)電氣信息工程學(xué)院江蘇 鎮(zhèn)江 212013)

    摘要針對(duì)傳統(tǒng)最小二乘算法在辨識(shí)過(guò)程中沒(méi)有考慮噪聲的協(xié)方差和參數(shù)的先驗(yàn)概率密度的問(wèn)題,提出一種遞推貝葉斯算法。該算法以最大化參數(shù)的后驗(yàn)概率密度函數(shù)為準(zhǔn)則進(jìn)行參數(shù)估計(jì)。實(shí)驗(yàn)結(jié)果證明所提算法可以獲得更高精度的參數(shù)估計(jì)值。收斂性分析表明,該算法給出的參數(shù)估計(jì)值收斂于參數(shù)真值。該算法綜合考慮了噪聲方差、數(shù)據(jù)的先驗(yàn)概率分布和參數(shù)的先驗(yàn)概率分布,可以獲得比最小二乘法更高的精度的估計(jì)值。

    關(guān)鍵詞輸入非均勻采樣系統(tǒng)廣義輸出誤差模型遞推貝葉斯算法參數(shù)估計(jì)

    0引言

    在工業(yè)生產(chǎn)中存在著這樣一類系統(tǒng),它們的輸入采樣和(或)輸出刷新呈現(xiàn)出不等時(shí)間間隔的非均勻的特點(diǎn),這類系統(tǒng)被稱為非均勻采樣系統(tǒng)[1,2]。這類系統(tǒng)有的是由于硬件設(shè)備的限制、經(jīng)濟(jì)條件的制約或環(huán)境因素的影響等原因造成的被動(dòng)非均勻采樣系統(tǒng),如產(chǎn)品組分和濃度的檢測(cè)[3,4]、熔融指數(shù)的人工采樣[5,6]和Kappa值的測(cè)量[7,8]等。還有的是為了在同樣采樣點(diǎn)數(shù)的情況下獲得更多的有用信號(hào)而根據(jù)信號(hào)幅值變化情況主動(dòng)調(diào)整采樣間隔的主動(dòng)非均勻采樣系統(tǒng)[9]。近年來(lái),非均勻采樣系統(tǒng)的研究受到了國(guó)內(nèi)外專家和學(xué)者的普遍關(guān)注,特別是作為狀態(tài)估計(jì)和控制理論基礎(chǔ)的系統(tǒng)辨識(shí)領(lǐng)域[10-18]。

    在白噪聲的前提下,傳統(tǒng)算法,如最小二乘算法等,都能給出非均勻采樣系統(tǒng)的參數(shù)無(wú)偏估計(jì)。而在工業(yè)實(shí)踐中的擾動(dòng)都是有色噪聲,傳統(tǒng)的最小二乘等算法不能滿足無(wú)偏估計(jì)的要求[19]。為了獲得參數(shù)的無(wú)偏估計(jì),研究人員提出了一系列的算法。例如,基于濾波的算法[20]、最大似然算法[21,22]、基于輔助模型的算法[23]等?;跒V波的算法首先采樣一個(gè)動(dòng)態(tài)的濾波器來(lái)白化有色噪聲,然后使用傳統(tǒng)算法,如最小二乘算法等,獲得無(wú)偏估計(jì)。但是當(dāng)工業(yè)過(guò)程輸出信號(hào)噪信比較大或者參數(shù)較多時(shí)這類算法會(huì)出現(xiàn)估計(jì)偏差[24]。并且最大似然類算法給出的估計(jì)值都是漸近無(wú)偏的,也就是說(shuō)最大似然算法并不能保證給出的所有估計(jì)都是無(wú)偏的。此外,最大似然算法的計(jì)算量比較大,也在一定程度上限制了其應(yīng)用[24]?;谳o助模型的算法,如基于輔助模型的遞推最小二乘算法(AM-RLS)和基于輔助模型的隨機(jī)梯度(AM-SG)等,可以同時(shí)對(duì)系統(tǒng)模型和噪聲模型的無(wú)偏估計(jì),是一類比較有應(yīng)用前景的算法。但在辨識(shí)過(guò)程中,AM-RLS和AM-SG都沒(méi)有把系統(tǒng)噪聲的方差考慮進(jìn)辨識(shí)算法以提高算法的辨識(shí)精度,所以本文的基本思路是考慮結(jié)合噪聲的方差,基于輔助模型的思想和遞推最小二乘的形式提出一種遞推貝葉斯RB(recursiveBayesian)辨識(shí)算法。并用輸入非均勻采樣廣義輸出誤差模型NUSIDGOE(non-uniformlysampledinputdataforgeneralizedoutputerrormodel)驗(yàn)證了算法的有效性。

    1問(wèn)題描述

    考慮如圖1所示的輸入非均勻更新和輸出定期采樣的NUSIDGOE模型。圖中,包括零階保持器Hτ、線性時(shí)不變過(guò)程Pc和采樣器ST三個(gè)部分。其中,u(t)和x(t)分別是輸入信號(hào)和無(wú)噪輸出信號(hào);y(t)為有噪輸出;w(t)是有色噪聲;y(kT+T)是采樣時(shí)刻t=kT+T時(shí)刻的輸出采樣值,其中T為輸出采樣周期,也稱框架周期。

    圖1 輸入非均勻采樣廣義輸出誤差模型框圖

    假定輸入非均勻采樣時(shí)間間隔為{τ1,τ2,…,τr},它們滿足如下的條件:T=τ1+τ2+…+τr。定義t0=0,ti=ti-1+τi,其中i=1,2,…,r,那么輸入u(t)可以寫(xiě)為:

    (1)

    其中k=0,1,2,…。

    如圖1所示,若Pc和w(t)采用文獻(xiàn)[20]的形式,則NUSIDGOE模型的連續(xù)輸出y(t)可以表示為:

    y(t)=x(t)+w(t)

    (2)

    其中:

    (3)

    (4)

    A(z-1) = 1 +a1z-1+a2z-2+ … +anaz-na,B1(z-1) =b10+b11z-1+b12z-2+ … +b1n bz-nb,Bi(z-1) =bi1z-1+bi2z-2+ … +bin bz-nb

    (5)

    C(z-1)=1+c1z-1+c2z-2+…+cncz-nc,D(z-1)=1+d1z-1+d2z-2+…+dndz-nd

    (6)

    定義參數(shù)向量如下:

    (7)

    其中:

    θs=[a1,…,ana,b10,…,b1nb,b21,…,b2nb,…,br1,…,brnb]T∈ns

    (8)

    θn=[c1,c2,…,cnc,d1,d2,…,dnd]T∈nn

    (9)

    ns=na+rnb+1,nn=nc+nd,n=ns+nn;下標(biāo)s和n分別表示過(guò)程模型和噪聲模型。

    類似地,分別定義信息向量φ如下:

    (10)

    φs(k)= [-x(kT-T),…,-x(kT-naT),u(kT),…,

    u(kT-nbT),u(kT-T+t1),…,u(kT-nbT+t1),

    …,u(kT-T+tr-1),…,u(kT-nbT+tr-1)]T∈ns

    (11)

    φn(k)=[-w(kT-T),-w(kT-2T),…,-w(kT-ncT),

    v(kT-T),v(kT-2T),…,v(kT-ndT)]T∈nn

    (12)

    對(duì)于t=kT時(shí)刻,等式可以改寫(xiě)成:

    y(k)=x(k)+w(k)=φT(k)θ(k)+v(k)

    (13)

    其中:

    (14)

    (15)

    假定系統(tǒng)的模型結(jié)構(gòu)是已知的,即(na,nb,nc,nd)和輸入采樣次數(shù)r均是已知的,那么算法的目的就是如何利用觀測(cè)數(shù)據(jù)D(k)估計(jì)參數(shù)向量θ。

    2遞推貝葉斯參數(shù)辨識(shí)算法

    貝葉斯方法的主要觀點(diǎn)就是把待估計(jì)參數(shù)作為一個(gè)隨機(jī)變量,通過(guò)觀測(cè)與該變量相關(guān)的其他隨機(jī)變量來(lái)推測(cè)該變量的值[25]。在提出的算法中,以最大化后驗(yàn)概率密度作為估計(jì)準(zhǔn)則,即:

    (16)

    根據(jù)貝葉斯公式,參數(shù)的后驗(yàn)概率密度函數(shù)表示為:

    (17)

    其中p(y(k)|θ,D(k-1))為在給定參數(shù)θ和數(shù)據(jù)條件下輸出y(k)的先驗(yàn)概率密度。

    (18)

    (19)

    于是參數(shù)的后驗(yàn)密度函數(shù)p(θ|Dk)的表達(dá)式為:

    (20)

    (21)

    其中:

    (22)

    (23)

    這樣就得到了遞推貝葉斯(RB)算法的簡(jiǎn)潔形式:式(22)和式(23)。為了避免計(jì)算P(k)的逆矩陣以減小算法的計(jì)算量,對(duì)式(23)運(yùn)用矩陣求逆反演公式,得到:

    (24)

    (25)

    (26)

    P(k)=[I-L(k)φT(k)]P(k-1)

    (27)

    (28)

    其中:

    u(kT-nbT),u(kT-T+t1),…,u(kT-nbT+t1),

    …,u(kT-T+tr-1),…,u(kT-nbT+tr-1)]T∈ns

    (29)

    (30)

    (31)

    (32)

    (33)

    噪聲方差可以用下式進(jìn)行估計(jì):

    (34)

    于是,RB算法可以整理如下:

    (35)

    (36)

    (37)

    RB算法的計(jì)算步驟如下:

    Step1收集輸入輸出數(shù)據(jù)u(kT+ti)和y(k),i=0,1,2,…,r,k=1,2,…。

    P(0)=p0In,θ(0)=1n/p0,p0=106

    其中1n為元素全為1的n維列向量。

    Step8令k=k+1,轉(zhuǎn)step4。

    3收斂性分析

    定理1對(duì)于系統(tǒng)式(13)和RB算法式(22)、式(23),假設(shè){v(t),Ft}是定義在概率空間{Ω,F,P}上的鞅差向量序列,其中{Ft}是截至?xí)r刻t之前所有觀測(cè)數(shù)據(jù)生成的σ代數(shù)序列[26];如果噪聲序列{v(t)}滿足如下假設(shè):

    (38)

    并且存在正常數(shù)c1,c2和t0使得下面的持續(xù)激勵(lì)條件成立[27]:

    (39)

    那么算法給出的參數(shù)估計(jì)值收斂于真值,即:

    (40)

    其中θ0為參數(shù)真值。

    證明在式兩邊同時(shí)減去θ0并用φT(k)θ0+v(k)代替y(k),得到:

    (41)

    其中:

    在式(23)兩邊同乘以P(k),則Q(k)可以寫(xiě)成:

    (42)

    令λ為矩陣Q(k)的一個(gè)特征值,p為其對(duì)應(yīng)的特征向量,那么下式成立:

    Q(k)p=λp

    (43)

    考慮到式(42)、式(43)可以寫(xiě)成:

    P(k)P-1(k-1)p=λp

    (44)

    在式(44)的兩邊同乘以P-1(k),考慮到式(23),并整理得:

    (45)

    在式(45)兩邊同乘以pT并整理得:

    (46)

    4仿真實(shí)例

    考慮如下的NUSIDGOE模型:

    其中:

    A(z)=1-1.4780z-1+0.9324z-2

    B1(z)=0.1519+0.04206z-1

    B2(z)=0.0779+0.1824z-1

    C(z)=1-0.6z-1

    D(z)=1+0.33z-1

    r=2,τ1=2s,τ2=5s,t1=τ1=2s,t2=τ1+τ2=7s

    表1 RB算法參數(shù)估計(jì)值和估計(jì)誤差隨數(shù)據(jù)長(zhǎng)度k變化情況

    表2 AM-RGELS算法參數(shù)估計(jì)值和估計(jì)誤差隨數(shù)據(jù)長(zhǎng)度k變化情況

    圖2 RB和AM-RGELS算法參數(shù)估計(jì)誤差隨數(shù)據(jù)長(zhǎng)度變化情況圖

    根據(jù)表1、表2的數(shù)據(jù)和圖2的仿真結(jié)果可以看出:

    (1) 數(shù)據(jù)長(zhǎng)度增加時(shí),兩種算法的估計(jì)誤差都在變?。?/p>

    (2) 對(duì)同樣的數(shù)據(jù)長(zhǎng)度,RB算法比AM-RGELS算法的估計(jì)精度高;

    (3) 在相同噪聲水平下,RB算法比AM-RGELS算法的收斂速度要快。

    5結(jié)語(yǔ)

    本文針對(duì)輸入非均勻采樣廣義輸出誤差模型提出了一種遞推貝葉斯參數(shù)估計(jì)算法。它以通過(guò)最大化參數(shù)的條件后驗(yàn)概率密度函數(shù)作為估計(jì)準(zhǔn)則,由于不僅考慮了參數(shù)的先驗(yàn)概率密度而且還考慮了數(shù)據(jù)的先驗(yàn)概率密度。因此該算法與單純考慮數(shù)據(jù)的概率密度的極大似然類參數(shù)估計(jì)方法相比,精度更高。同時(shí),該算法的辨識(shí)精度也會(huì)比傳統(tǒng)最小二乘算法略高,因?yàn)樗诒孀R(shí)過(guò)程中考慮了噪聲的方差。綜上所述,該算法把給定數(shù)據(jù)集下最可能出現(xiàn)的參數(shù)值作為參數(shù)的估計(jì)值。收斂性分析表明,所提算法的參數(shù)估計(jì)值能收斂到真值,仿真結(jié)果表明了算法的有效性和較高的估計(jì)精度。

    參考文獻(xiàn)

    [1]AlbertosP,CrespoA.Real-timecontrolofnon-uniformlysampledsystems[J].ControlEngineeringPractice,1999,7(4):445-458.

    [2]CuencaA,SaltJ.RSTcontrollerdesignforanon-uniformmulti-ratecontrolsystem[J].JournalofProcessControl,2012,22(10):1865-1877.

    [3]LiW,HanZ,ShanSL.SubspaceidentificationforFDIinsystemswithnon-uniformlysampledmultiratedata[J].Automatica,2006,42(4):619-627.

    [4]DingF,LiuG,LiuXP.Partiallycoupledstochasticgradientidentificationmethodsfornon-uniformlysampledsystems[J].IEEETransactionsonAutomaticControl,2010,55(8):1976-1981.

    [5]FortunaL,GrazianiS,XibilliaM.Softsensorsforproductqualitymonitoringindebutanizerdistillationcolumns[J].ControlEngineeringPractice,2005,13(4):499-508.

    [6]GjerkesH,MalensekJ,SitarA,etal.Productidentificationinindustrialbatchfermentationusingavariableforgettingfactor[J].ControlEngineeringPractice,2011,19(10):1208-1215.

    [7]OgawaM,OhshimaM,MorinagaK,etal.Dualityinferentialcontrolofanindustrialhighdensitypolyethyleneprocess[J].JournalofProcessControl,1999,9(1):51-59.

    [8]SharminR,SundararajU,ShanS,etal.Inferentialsensorsforestimationofpolymerqualityparameters:IndustrialapplicationofaPLS-basedsoftsensorforaLDPEplant[J].ChemicalEngineeringScience,2006,61(19):6372-6384.

    [9] 汪安民.基于非均勻采樣的信號(hào)頻率檢測(cè)方法及其實(shí)現(xiàn)[D].武漢:華中科技大學(xué),2004.

    [10] 丁鋒,陳通文,蕭德云.非均勻周期采樣多率系統(tǒng)的一種辨識(shí)方法[J].電子學(xué)報(bào),2004,32(9):1414-1420.

    [11]MizumotoI,ChenT,OhdairaS,etal.AdaptiveoutputfeedbackcontrolofgeneralMIMOsystemsusingmultiratesamplinganditsapplicationtoacart-cranesystem[J].Automatica,2007,43(12):2077-2085.

    [12]ChenF,GilsonM,AgueroJC,etal.Closed-loopidentificationofcontinuous-timesystemsfromnon-uniformlysampleddata[C]//ControlConference(ECC),2014European.Strasbourg:IEEE,2014.

    [13]JohanssonR,CesconM,StahlF.Continuous-timemodelidentificationusingnon-uniformlysampleddata[C]//AFRICON,2013.Mauritius:IEEE,2013.

    [14]DingJ,LinJ.Modifiedsubspaceidentificationforperiodicallynon-uniformlysampledsystemsbyusingtheliftingtechnique[J].Circuits,Systems,andSignalProcessing,2014,33(5):1439-1449.

    [15]WangH,LiuT.Recursivestate-spacemodelidentificationofnon-uniformlysampledsystemsusingsingularvaluedecomposition[J].ChineseJournalofChemicalEngineering,2014,89(1):1-6.

    [16]DingF.Hierarchicalmulti-innovationstochasticgradientalgorithmforHammersteinnonlinearsystemmodeling[J].AppliedMathematicalModelling,2013,37(4):1694-1704.

    [17]ChenF,GarnierH,GilsonM.RefinedInstrumentalVariableIdentificationofContinuous-timeOEandBJModelsfromIrregularlySampledData[C]//11thIFACInternationalWorkshoponAdaptationandLearninginControlandSignalProcessing.Caen:IFAC,2013.

    [18]DingF,ChenT.Hierarchicalidentificationofliftedstate-spacemodelsforgeneraldual-ratesystems[J].IEEETransactionsonCircuitsandSystemsI:fundamentaltheoryandapplications.2005,52(6):1179-1187.

    [19] 崔桂梅,關(guān)英輝,張勇.一類有色噪聲干擾系統(tǒng)的有辨識(shí)研究[J].科學(xué)技術(shù)與工程,2010,10(18):4358-4362.

    [20]XieL,YangHZ,DingF.Recursiveleastsquaresparameterestimationfornon-uniformlysampledsystemsbasedonthedatafiltering[J].MathematicalandComputerModeling,2011,54(1):315-324.

    [21]LiJH,DingF.MaximumlikelihoodstochasticgradientestimationforHammersteinsystemswithcolorednoisebasedonthekeytermseparationtechnique[J].Computers&MathematicswithApplications,2011,62(11):4170-4177.

    [22]LiJH,DingF,YangGW.Maximumlikelihoodleastsquaresidentificationmethodforinputnonlinearfiniteimpulseresponsemovingaveragesystems[J].MathematicalandComputerModeling,2012,55(3-4):442-450.

    [23] 丁鋒.系統(tǒng)辨識(shí)(4):輔助模型辨識(shí)思想與方法[J].南京信息工程大學(xué)學(xué)報(bào):自然科學(xué)版,2011,3(4):289-318.

    [24] 方崇智,蕭德云.過(guò)程辨識(shí)[M].北京:清華大學(xué)出版社,1988.

    [25]PeterkaV.BayesianApproachtoSystemIdentification:TrendsandProgressinSystemIdentification[M].NewYork:PergamonPress,1981.

    [26]GoodwinG,SinK.AdaptiveFilteringPredictionandControl[M].NewYork:Prentice-Hall,1984.

    [27]DingF,ChenHB,LiM.Multi-innovationleastsquaresidentificationmethodsbasedontheauxiliarymodelforMISOsystems[J].InternationalJournalofAppliedMathematicsandComputerScience,2007,187(2):658-668.

    RECURSIVE BAYESIAN PARAMETER IDENTIFICATION ALGORITHM FOR GENERALOUTPUTERRORMODELSWITHNON-UNIFORMLYSAMPLEDINPUTDADA

    Jing Shaoxue

    (Department of Electrical Engineering,Huaian College of Information and Technology,Huaian 223003,Jiangsu,China)(School of Electrical and Information Engineering,Jiangsu University,Zhenjiang 212013,Jiangsu,China)

    AbstractIn light of that traditional least squares method does not take into account the covariance of noise and the priori probability density of parameters in the process of identification, we proposed a recursive Bayesian parameter identification algorithm. The algorithm uses the posterior probability density function of maximised parameters as the criterion to estimate parameters. Experimental result proved that the proposed algorithm could acquire the estimates of parameters in higher accuracy. Convergence analysis indicated that the estimates of parameters provide by the proposed algorithm converged to their true values. The algorithm comprehensively considers the noise variance and the priori probability distributions of data and parameters, it is able to obtain the estimates with higher accuracy than the least-squares.

    KeywordsNon-uniformly sampled input data systemsGeneral output error modelRecursive Bayesian algorithmParameter estimation

    收稿日期:2014-12-08。江蘇省研究生培養(yǎng)創(chuàng)新工程項(xiàng)目(CXLX12_0648)。景紹學(xué),講師,主研領(lǐng)域:過(guò)程控制,系統(tǒng)辨識(shí)。

    中圖分類號(hào)TP273

    文獻(xiàn)標(biāo)識(shí)碼A

    DOI:10.3969/j.issn.1000-386x.2016.06.078

    猜你喜歡
    采樣系統(tǒng)后驗(yàn)估計(jì)值
    異步采樣系統(tǒng)的分布式遞推最優(yōu)線性融合濾波器
    入廠煤采樣機(jī)采樣系統(tǒng)的優(yōu)化與改進(jìn)
    基于對(duì)偶理論的橢圓變分不等式的后驗(yàn)誤差分析(英)
    六氟化硫分解物測(cè)試便攜采樣系統(tǒng)研究及應(yīng)用
    一道樣本的數(shù)字特征與頻率分布直方圖的交匯問(wèn)題
    煤炭機(jī)械化采樣系統(tǒng)質(zhì)量管理方法分析
    貝葉斯統(tǒng)計(jì)中單參數(shù)后驗(yàn)分布的精確計(jì)算方法
    統(tǒng)計(jì)信息
    2018年4月世界粗鋼產(chǎn)量表(續(xù))萬(wàn)噸
    一種基于最大后驗(yàn)框架的聚類分析多基線干涉SAR高度重建算法
    欧美日本中文国产一区发布| 麻豆av在线久日| 亚洲aⅴ乱码一区二区在线播放 | 国产精品99久久99久久久不卡| 看片在线看免费视频| 中文字幕高清在线视频| 亚洲精品一卡2卡三卡4卡5卡| 日韩高清综合在线| 中文字幕人妻熟女乱码| 一卡2卡三卡四卡精品乱码亚洲| 成人亚洲精品av一区二区| 欧美最黄视频在线播放免费| 一边摸一边抽搐一进一出视频| 国产精品免费视频内射| 久久香蕉精品热| 啦啦啦免费观看视频1| 欧美午夜高清在线| or卡值多少钱| 日韩av在线大香蕉| 欧洲精品卡2卡3卡4卡5卡区| 99国产精品99久久久久| 午夜激情av网站| 免费看a级黄色片| 久久精品国产亚洲av香蕉五月| 亚洲精品美女久久av网站| 久久中文字幕一级| 如日韩欧美国产精品一区二区三区| 久99久视频精品免费| 精品欧美一区二区三区在线| 成人欧美大片| 久久精品亚洲精品国产色婷小说| 欧美亚洲日本最大视频资源| avwww免费| 日韩成人在线观看一区二区三区| 欧美激情高清一区二区三区| 最近最新免费中文字幕在线| 十分钟在线观看高清视频www| 欧美中文综合在线视频| 亚洲午夜精品一区,二区,三区| 精品国产亚洲在线| 丁香欧美五月| 久久国产乱子伦精品免费另类| 涩涩av久久男人的天堂| 国产精品二区激情视频| 久久精品国产亚洲av高清一级| 18禁黄网站禁片午夜丰满| 亚洲avbb在线观看| 校园春色视频在线观看| 国产aⅴ精品一区二区三区波| 日韩大尺度精品在线看网址 | 国产男靠女视频免费网站| 久久国产精品男人的天堂亚洲| 俄罗斯特黄特色一大片| 午夜精品在线福利| 亚洲男人的天堂狠狠| 久久精品亚洲熟妇少妇任你| 亚洲一区二区三区色噜噜| 人人妻人人澡欧美一区二区 | 欧美大码av| 色综合婷婷激情| 亚洲最大成人中文| 国产精品久久久人人做人人爽| 91成年电影在线观看| 亚洲国产精品成人综合色| 男人的好看免费观看在线视频 | 黄色视频,在线免费观看| 大型av网站在线播放| 精品欧美国产一区二区三| 日韩一卡2卡3卡4卡2021年| 精品国产国语对白av| 欧美成人午夜精品| 亚洲成人精品中文字幕电影| 88av欧美| 女警被强在线播放| 高清在线国产一区| 亚洲最大成人中文| 精品人妻1区二区| 丰满的人妻完整版| 一级作爱视频免费观看| www国产在线视频色| 好看av亚洲va欧美ⅴa在| 在线观看免费视频日本深夜| 亚洲精品在线观看二区| 日本精品一区二区三区蜜桃| 欧美在线一区亚洲| 99久久国产精品久久久| 国产成+人综合+亚洲专区| 激情视频va一区二区三区| 久久久国产欧美日韩av| 亚洲中文av在线| 亚洲七黄色美女视频| 国产亚洲欧美98| 精品一区二区三区av网在线观看| 变态另类成人亚洲欧美熟女 | 99国产精品免费福利视频| 一夜夜www| 亚洲人成电影免费在线| 精品久久久久久成人av| 久久久久精品国产欧美久久久| 国产av一区在线观看免费| av电影中文网址| 亚洲电影在线观看av| 午夜福利18| 中文字幕人妻丝袜一区二区| 久久精品91无色码中文字幕| 成人国语在线视频| 日本vs欧美在线观看视频| 国产片内射在线| 欧美乱码精品一区二区三区| 日韩免费av在线播放| 久久中文看片网| 精品免费久久久久久久清纯| 日本vs欧美在线观看视频| 91大片在线观看| 亚洲自偷自拍图片 自拍| 不卡一级毛片| 欧美老熟妇乱子伦牲交| 亚洲国产精品成人综合色| 美女 人体艺术 gogo| 国产高清videossex| 99久久99久久久精品蜜桃| 亚洲一区二区三区色噜噜| 少妇被粗大的猛进出69影院| 久久中文字幕人妻熟女| tocl精华| 9色porny在线观看| 精品少妇一区二区三区视频日本电影| avwww免费| 黑丝袜美女国产一区| 午夜精品久久久久久毛片777| 中文字幕色久视频| 欧美性长视频在线观看| 午夜影院日韩av| 啦啦啦 在线观看视频| 桃红色精品国产亚洲av| 国产日韩一区二区三区精品不卡| 日韩精品中文字幕看吧| 午夜福利高清视频| 日韩精品免费视频一区二区三区| 极品教师在线免费播放| 国产亚洲欧美98| 免费观看精品视频网站| 亚洲五月色婷婷综合| 在线视频色国产色| 中文字幕另类日韩欧美亚洲嫩草| 麻豆国产av国片精品| 国产片内射在线| 岛国在线观看网站| 亚洲国产精品999在线| 变态另类丝袜制服| 亚洲一卡2卡3卡4卡5卡精品中文| 久久青草综合色| 九色亚洲精品在线播放| 日韩 欧美 亚洲 中文字幕| 国产av一区二区精品久久| 免费观看人在逋| 精品欧美国产一区二区三| 高清在线国产一区| 精品少妇一区二区三区视频日本电影| 色在线成人网| 99国产综合亚洲精品| 18禁裸乳无遮挡免费网站照片 | 如日韩欧美国产精品一区二区三区| 在线观看日韩欧美| 黄片播放在线免费| 一边摸一边做爽爽视频免费| 他把我摸到了高潮在线观看| 69av精品久久久久久| 女警被强在线播放| 日韩大尺度精品在线看网址 | 久久久久久久午夜电影| 欧美色视频一区免费| 高清在线国产一区| 一级黄色大片毛片| 啦啦啦免费观看视频1| 国产一区二区三区在线臀色熟女| 99在线视频只有这里精品首页| av天堂久久9| 久久久久国产精品人妻aⅴ院| 国产精品影院久久| 天天添夜夜摸| 日本vs欧美在线观看视频| 丁香六月欧美| 99久久久亚洲精品蜜臀av| 久久中文看片网| 禁无遮挡网站| 我的亚洲天堂| 久久香蕉精品热| 国产主播在线观看一区二区| 国产av精品麻豆| 18禁黄网站禁片午夜丰满| 欧美最黄视频在线播放免费| 免费在线观看完整版高清| 99国产精品一区二区蜜桃av| 国内久久婷婷六月综合欲色啪| 99国产精品一区二区三区| 亚洲成人久久性| 91麻豆精品激情在线观看国产| 国产成人精品久久二区二区91| 亚洲一区高清亚洲精品| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲国产欧美网| 亚洲国产高清在线一区二区三 | 久久久久国产精品人妻aⅴ院| 婷婷精品国产亚洲av在线| 在线天堂中文资源库| 亚洲人成电影观看| 亚洲欧洲精品一区二区精品久久久| 免费无遮挡裸体视频| 日本欧美视频一区| www.999成人在线观看| 国产精品久久视频播放| 国产日韩一区二区三区精品不卡| 少妇 在线观看| 久久精品aⅴ一区二区三区四区| 黄频高清免费视频| 欧美丝袜亚洲另类 | 国产精品久久久久久人妻精品电影| 日本vs欧美在线观看视频| 久久 成人 亚洲| 亚洲一区二区三区色噜噜| 人人妻人人爽人人添夜夜欢视频| 一区福利在线观看| 日韩欧美一区视频在线观看| 亚洲成国产人片在线观看| 正在播放国产对白刺激| 免费不卡黄色视频| 成人18禁在线播放| 99国产精品99久久久久| 在线观看舔阴道视频| 动漫黄色视频在线观看| 女人高潮潮喷娇喘18禁视频| 午夜a级毛片| АⅤ资源中文在线天堂| 午夜福利在线观看吧| 无人区码免费观看不卡| 日韩一卡2卡3卡4卡2021年| 日韩欧美国产在线观看| 色播在线永久视频| 成年版毛片免费区| 成人av一区二区三区在线看| 亚洲专区中文字幕在线| 久久国产乱子伦精品免费另类| 欧美黄色片欧美黄色片| videosex国产| 高清黄色对白视频在线免费看| 在线观看免费日韩欧美大片| 日韩欧美在线二视频| 亚洲自偷自拍图片 自拍| 亚洲片人在线观看| 国产精品av久久久久免费| 免费在线观看亚洲国产| 91在线观看av| 亚洲国产看品久久| 色精品久久人妻99蜜桃| 国产成人av激情在线播放| 美女国产高潮福利片在线看| 欧美黑人欧美精品刺激| 国产麻豆69| 国产99久久九九免费精品| 国产高清视频在线播放一区| 免费高清在线观看日韩| 国产成人欧美在线观看| 一级a爱视频在线免费观看| 国产一区二区三区在线臀色熟女| 99精品在免费线老司机午夜| 国产av一区二区精品久久| 最新在线观看一区二区三区| 午夜精品国产一区二区电影| 欧美成狂野欧美在线观看| 美女国产高潮福利片在线看| 欧美日韩乱码在线| netflix在线观看网站| 日本精品一区二区三区蜜桃| av天堂久久9| 国产一区在线观看成人免费| 久久久精品国产亚洲av高清涩受| 亚洲精品中文字幕在线视频| 丝袜人妻中文字幕| 亚洲色图av天堂| 久久久精品欧美日韩精品| 淫妇啪啪啪对白视频| 纯流量卡能插随身wifi吗| 宅男免费午夜| 免费在线观看黄色视频的| 精品久久久久久久人妻蜜臀av | 999精品在线视频| 日本精品一区二区三区蜜桃| 在线观看免费午夜福利视频| 9191精品国产免费久久| 精品一品国产午夜福利视频| 中国美女看黄片| 亚洲欧洲精品一区二区精品久久久| 国产成人欧美| 国产成人精品在线电影| www.熟女人妻精品国产| 黄网站色视频无遮挡免费观看| 国产又色又爽无遮挡免费看| 国产一卡二卡三卡精品| 91成年电影在线观看| 亚洲欧美一区二区三区黑人| 午夜精品久久久久久毛片777| 国产亚洲欧美精品永久| 亚洲情色 制服丝袜| 正在播放国产对白刺激| 色综合欧美亚洲国产小说| 欧美一级a爱片免费观看看 | 亚洲在线自拍视频| 久久婷婷成人综合色麻豆| 久久久国产精品麻豆| 午夜免费激情av| 午夜久久久久精精品| 咕卡用的链子| 国产蜜桃级精品一区二区三区| 一本久久中文字幕| 成熟少妇高潮喷水视频| 在线观看66精品国产| 国产精品九九99| 夜夜夜夜夜久久久久| 手机成人av网站| 日本 av在线| 香蕉丝袜av| 十分钟在线观看高清视频www| 脱女人内裤的视频| 国产成人av教育| 男人操女人黄网站| 亚洲黑人精品在线| 99久久国产精品久久久| 91大片在线观看| 激情在线观看视频在线高清| 久久久久亚洲av毛片大全| 久久久水蜜桃国产精品网| 91国产中文字幕| 美女扒开内裤让男人捅视频| 91在线观看av| 此物有八面人人有两片| 亚洲av成人av| 极品教师在线免费播放| 亚洲国产精品久久男人天堂| 亚洲精品中文字幕在线视频| 制服丝袜大香蕉在线| 免费久久久久久久精品成人欧美视频| 亚洲一区二区三区色噜噜| 亚洲性夜色夜夜综合| 成熟少妇高潮喷水视频| 老司机在亚洲福利影院| 在线天堂中文资源库| 成年女人毛片免费观看观看9| 91精品国产国语对白视频| 久久久国产欧美日韩av| 桃红色精品国产亚洲av| 亚洲专区字幕在线| 一区福利在线观看| 精品熟女少妇八av免费久了| 在线十欧美十亚洲十日本专区| www.999成人在线观看| 美女高潮到喷水免费观看| 国产成人欧美在线观看| 激情视频va一区二区三区| 日本a在线网址| 亚洲情色 制服丝袜| 久久婷婷成人综合色麻豆| 91成年电影在线观看| 欧美色视频一区免费| 亚洲av第一区精品v没综合| 亚洲精品美女久久av网站| 亚洲一码二码三码区别大吗| 国产成人啪精品午夜网站| 日本免费一区二区三区高清不卡 | 一个人观看的视频www高清免费观看 | 在线播放国产精品三级| 国产精品影院久久| 制服诱惑二区| 成人国产综合亚洲| 亚洲精品美女久久久久99蜜臀| 18禁黄网站禁片午夜丰满| 一级毛片高清免费大全| 精品一品国产午夜福利视频| 欧美成狂野欧美在线观看| 亚洲va日本ⅴa欧美va伊人久久| 国产一卡二卡三卡精品| 可以在线观看的亚洲视频| 不卡av一区二区三区| 少妇被粗大的猛进出69影院| 久久久精品国产亚洲av高清涩受| 亚洲中文字幕日韩| 91av网站免费观看| 99精品在免费线老司机午夜| 美女大奶头视频| 丝袜人妻中文字幕| 国产成人av激情在线播放| 亚洲欧美日韩无卡精品| 一级作爱视频免费观看| 少妇 在线观看| 久久中文字幕一级| 亚洲色图综合在线观看| 99久久久亚洲精品蜜臀av| 久久精品国产亚洲av高清一级| 日日摸夜夜添夜夜添小说| 国产xxxxx性猛交| 久久影院123| 国产精品国产高清国产av| 丰满的人妻完整版| 一进一出抽搐动态| 亚洲中文字幕日韩| 日本免费a在线| 免费在线观看日本一区| 午夜视频精品福利| 免费在线观看亚洲国产| 波多野结衣高清无吗| 一区在线观看完整版| 一级a爱视频在线免费观看| 人人妻人人爽人人添夜夜欢视频| 亚洲性夜色夜夜综合| 久久国产精品人妻蜜桃| 国产又色又爽无遮挡免费看| 18禁黄网站禁片午夜丰满| 一级a爱视频在线免费观看| 嫩草影院精品99| 91精品国产国语对白视频| 免费高清视频大片| 欧美中文综合在线视频| 天天躁夜夜躁狠狠躁躁| 1024视频免费在线观看| 老司机深夜福利视频在线观看| 欧美日韩乱码在线| 黄色成人免费大全| 久9热在线精品视频| 18禁观看日本| 中文字幕色久视频| 两个人免费观看高清视频| 精品第一国产精品| 亚洲熟妇中文字幕五十中出| 亚洲中文日韩欧美视频| 国产高清有码在线观看视频 | 51午夜福利影视在线观看| 亚洲国产精品合色在线| 亚洲人成电影观看| 亚洲 国产 在线| 免费不卡黄色视频| 国产高清激情床上av| 黄色丝袜av网址大全| 欧美黑人精品巨大| www国产在线视频色| 性少妇av在线| 无限看片的www在线观看| 99国产精品免费福利视频| 欧美成人性av电影在线观看| a级毛片在线看网站| 亚洲中文日韩欧美视频| 在线观看一区二区三区| 极品人妻少妇av视频| 午夜福利高清视频| 亚洲色图 男人天堂 中文字幕| 一本大道久久a久久精品| 国产黄a三级三级三级人| 麻豆国产av国片精品| 欧美成人一区二区免费高清观看 | 老熟妇乱子伦视频在线观看| 国产精品九九99| 黄色毛片三级朝国网站| 黄色视频不卡| 啦啦啦观看免费观看视频高清 | 国产成人精品久久二区二区免费| 亚洲无线在线观看| 亚洲av片天天在线观看| 精品久久久久久久毛片微露脸| 国产亚洲精品av在线| 亚洲九九香蕉| 不卡av一区二区三区| 日韩欧美免费精品| 一本大道久久a久久精品| 一个人免费在线观看的高清视频| 亚洲第一欧美日韩一区二区三区| 国产精品久久久久久亚洲av鲁大| 亚洲人成77777在线视频| 无限看片的www在线观看| 亚洲一码二码三码区别大吗| 九色亚洲精品在线播放| 99国产精品一区二区蜜桃av| 在线观看舔阴道视频| 91av网站免费观看| 亚洲一区二区三区不卡视频| 叶爱在线成人免费视频播放| 91九色精品人成在线观看| 国产成人精品在线电影| 黄色a级毛片大全视频| 亚洲成av片中文字幕在线观看| 久久久久精品国产欧美久久久| av视频免费观看在线观看| 法律面前人人平等表现在哪些方面| 日韩成人在线观看一区二区三区| 人妻久久中文字幕网| 久久精品aⅴ一区二区三区四区| 精品午夜福利视频在线观看一区| 美女午夜性视频免费| 老司机福利观看| 久热这里只有精品99| 国产人伦9x9x在线观看| 日韩欧美三级三区| 国产人伦9x9x在线观看| 午夜福利一区二区在线看| 亚洲第一电影网av| 国产精品二区激情视频| 国产成人免费无遮挡视频| 日韩三级视频一区二区三区| 一级毛片女人18水好多| 老汉色av国产亚洲站长工具| 精品国内亚洲2022精品成人| 男女床上黄色一级片免费看| 别揉我奶头~嗯~啊~动态视频| 欧美国产日韩亚洲一区| 国产成人系列免费观看| 欧美丝袜亚洲另类 | 日韩欧美免费精品| 亚洲精品av麻豆狂野| 国产黄a三级三级三级人| 亚洲在线自拍视频| 国产精品二区激情视频| 淫妇啪啪啪对白视频| 亚洲专区中文字幕在线| 免费在线观看完整版高清| 级片在线观看| 久久婷婷人人爽人人干人人爱 | 亚洲人成网站在线播放欧美日韩| 亚洲七黄色美女视频| 国产成人啪精品午夜网站| 亚洲美女黄片视频| 久久久久久亚洲精品国产蜜桃av| 欧美亚洲日本最大视频资源| 青草久久国产| 国产一级毛片七仙女欲春2 | 国产极品粉嫩免费观看在线| 91字幕亚洲| 国内精品久久久久久久电影| 人人妻人人澡欧美一区二区 | www.自偷自拍.com| 两人在一起打扑克的视频| 午夜福利18| 亚洲欧美精品综合久久99| 一区福利在线观看| 级片在线观看| 深夜精品福利| 欧美最黄视频在线播放免费| 久久久久久国产a免费观看| 久久久久久久久中文| 黑丝袜美女国产一区| 亚洲自偷自拍图片 自拍| cao死你这个sao货| 免费无遮挡裸体视频| 高清毛片免费观看视频网站| 国产99白浆流出| 亚洲人成电影免费在线| 黑人巨大精品欧美一区二区蜜桃| 美女 人体艺术 gogo| 久久亚洲精品不卡| 99久久99久久久精品蜜桃| 日韩大码丰满熟妇| 亚洲国产毛片av蜜桃av| 亚洲 欧美一区二区三区| 久久亚洲真实| 国产av在哪里看| 黑人欧美特级aaaaaa片| 日韩三级视频一区二区三区| 亚洲国产日韩欧美精品在线观看 | 两性夫妻黄色片| 变态另类成人亚洲欧美熟女 | 桃色一区二区三区在线观看| 亚洲欧美精品综合一区二区三区| 大型av网站在线播放| 少妇 在线观看| 欧美成狂野欧美在线观看| 在线观看66精品国产| 久久久久九九精品影院| 国产精品综合久久久久久久免费 | 黄色a级毛片大全视频| 亚洲电影在线观看av| 宅男免费午夜| 国产高清videossex| 亚洲激情在线av| 久久青草综合色| 性色av乱码一区二区三区2| 国产精品免费视频内射| 99香蕉大伊视频| 波多野结衣av一区二区av| 在线播放国产精品三级| 国产三级黄色录像| 成人精品一区二区免费| 制服丝袜大香蕉在线| 精品少妇一区二区三区视频日本电影| 国产欧美日韩综合在线一区二区| 日韩成人在线观看一区二区三区| 国内久久婷婷六月综合欲色啪| 久久精品影院6| 亚洲自偷自拍图片 自拍| 午夜福利在线观看吧| 老司机靠b影院| 国产成人一区二区三区免费视频网站| 日本五十路高清| 精品日产1卡2卡| 亚洲视频免费观看视频| 天天一区二区日本电影三级 | 免费观看精品视频网站| 大陆偷拍与自拍| 亚洲av五月六月丁香网| 91国产中文字幕| 日韩欧美国产一区二区入口| 欧美日韩亚洲国产一区二区在线观看| 国产91精品成人一区二区三区| 窝窝影院91人妻| 精品免费久久久久久久清纯| 久久香蕉精品热| 国内精品久久久久久久电影| 在线观看一区二区三区| 91老司机精品|