• <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
    国产精品自产拍在线观看55亚洲 | 99久久国产精品久久久| 国产伦人伦偷精品视频| 黄频高清免费视频| 久久精品91无色码中文字幕| 成人手机av| 香蕉国产在线看| 欧美人与性动交α欧美精品济南到| 久久天躁狠狠躁夜夜2o2o| 亚洲色图 男人天堂 中文字幕| 成人手机av| 国产精品秋霞免费鲁丝片| 中文字幕人妻熟女乱码| 中文字幕人妻熟女乱码| 日本vs欧美在线观看视频| 久久久久久亚洲精品国产蜜桃av| 国产成人一区二区三区免费视频网站| 欧美精品一区二区免费开放| 夜夜夜夜夜久久久久| 黄色片一级片一级黄色片| 国产精品久久电影中文字幕 | 超碰97精品在线观看| av天堂在线播放| 天天影视国产精品| 在线免费观看的www视频| 国产精品一区二区在线观看99| 精品一区二区三卡| 免费在线观看完整版高清| 国产精品国产av在线观看| 中文字幕人妻丝袜一区二区| 黄色视频不卡| cao死你这个sao货| 午夜福利免费观看在线| 国产精品久久视频播放| 男人操女人黄网站| 久久香蕉激情| 亚洲熟女精品中文字幕| 可以免费在线观看a视频的电影网站| 法律面前人人平等表现在哪些方面| xxx96com| 午夜91福利影院| 老司机亚洲免费影院| 午夜激情av网站| 久久婷婷成人综合色麻豆| 老熟女久久久| 国产精品久久久av美女十八| 两个人免费观看高清视频| 亚洲成人国产一区在线观看| 国产免费现黄频在线看| 久久精品国产亚洲av高清一级| 男人操女人黄网站| 在线国产一区二区在线| 国产在线观看jvid| 欧美精品人与动牲交sv欧美| 久久久久精品国产欧美久久久| 欧美激情久久久久久爽电影 | 不卡一级毛片| 一二三四社区在线视频社区8| 黄片大片在线免费观看| 国产99久久九九免费精品| 欧美亚洲日本最大视频资源| 捣出白浆h1v1| 久久性视频一级片| 中文字幕av电影在线播放| 午夜视频精品福利| 美女高潮到喷水免费观看| 久99久视频精品免费| 国精品久久久久久国模美| 12—13女人毛片做爰片一| 天堂动漫精品| 中文字幕人妻熟女乱码| 久久精品亚洲精品国产色婷小说| 久久精品aⅴ一区二区三区四区| 久久久久久久久久久久大奶| 久久ye,这里只有精品| 一边摸一边做爽爽视频免费| 黄色女人牲交| 国产精品 国内视频| svipshipincom国产片| 亚洲专区国产一区二区| 亚洲av成人av| 18禁黄网站禁片午夜丰满| 美女福利国产在线| 国产一区有黄有色的免费视频| 久久人妻熟女aⅴ| 大码成人一级视频| 精品少妇一区二区三区视频日本电影| 91精品三级在线观看| 成人黄色视频免费在线看| 免费观看精品视频网站| 精品亚洲成a人片在线观看| 久久中文字幕一级| 日韩欧美在线二视频 | 免费在线观看黄色视频的| 一区二区三区国产精品乱码| 精品亚洲成国产av| 国产精品 国内视频| 中文字幕最新亚洲高清| 精品国产超薄肉色丝袜足j| 亚洲av成人av| 日本撒尿小便嘘嘘汇集6| 天天躁日日躁夜夜躁夜夜| 日韩成人在线观看一区二区三区| 免费人成视频x8x8入口观看| 人人澡人人妻人| ponron亚洲| 久久精品人人爽人人爽视色| 一级片'在线观看视频| 少妇 在线观看| 高清视频免费观看一区二区| 99香蕉大伊视频| 亚洲国产精品合色在线| 精品视频人人做人人爽| 欧美乱妇无乱码| 99精品在免费线老司机午夜| 亚洲国产毛片av蜜桃av| 视频在线观看一区二区三区| 精品少妇久久久久久888优播| 少妇粗大呻吟视频| 久久人妻福利社区极品人妻图片| 国内久久婷婷六月综合欲色啪| 亚洲中文字幕日韩| 国产精品一区二区在线观看99| 国产单亲对白刺激| 午夜两性在线视频| 国产av精品麻豆| 少妇的丰满在线观看| 欧美激情久久久久久爽电影 | 亚洲精品在线观看二区| av超薄肉色丝袜交足视频| av天堂久久9| 身体一侧抽搐| 成人免费观看视频高清| 欧美日韩亚洲国产一区二区在线观看 | 999久久久精品免费观看国产| 亚洲精品粉嫩美女一区| 国产亚洲欧美98| 美女国产高潮福利片在线看| 在线天堂中文资源库| 精品久久久久久电影网| 岛国在线观看网站| 十八禁网站免费在线| 无人区码免费观看不卡| 欧美精品亚洲一区二区| 人妻一区二区av| 18禁黄网站禁片午夜丰满| 欧美 亚洲 国产 日韩一| 午夜福利乱码中文字幕| 免费观看a级毛片全部| 王馨瑶露胸无遮挡在线观看| 另类亚洲欧美激情| 国产麻豆69| 曰老女人黄片| 国产一区二区三区综合在线观看| 777米奇影视久久| 中文亚洲av片在线观看爽 | 不卡av一区二区三区| 他把我摸到了高潮在线观看| 亚洲成a人片在线一区二区| 亚洲一区中文字幕在线| 国产亚洲欧美在线一区二区| 国产精品欧美亚洲77777| 久久久久久免费高清国产稀缺| 国产精品.久久久| 婷婷丁香在线五月| 久久久久久久国产电影| a级毛片在线看网站| 我的亚洲天堂| 精品久久久久久,| 最新的欧美精品一区二区| 啦啦啦视频在线资源免费观看| 亚洲美女黄片视频| 国产成人影院久久av| 亚洲精品av麻豆狂野| 色在线成人网| 亚洲人成电影观看| 无限看片的www在线观看| 日韩欧美一区视频在线观看| 久久这里只有精品19| 曰老女人黄片| 女人久久www免费人成看片| 亚洲成国产人片在线观看| 又黄又粗又硬又大视频| 国产在线一区二区三区精| 久久国产精品男人的天堂亚洲| 成年人免费黄色播放视频| 久久久久视频综合| 亚洲国产欧美日韩在线播放| 日韩人妻精品一区2区三区| 精品国产乱子伦一区二区三区| 亚洲成人免费av在线播放| 亚洲精品自拍成人| 精品久久久精品久久久| 欧美日本中文国产一区发布| 国产成人啪精品午夜网站| 悠悠久久av| 欧美日韩乱码在线| 丰满迷人的少妇在线观看| 久久精品国产a三级三级三级| 天天操日日干夜夜撸| 久久人人爽av亚洲精品天堂| 亚洲美女黄片视频| 欧美日韩视频精品一区| av免费在线观看网站| 国产午夜精品久久久久久| 欧美一级毛片孕妇| 好男人电影高清在线观看| 日本a在线网址| 精品一区二区三区av网在线观看| 天天影视国产精品| 久久这里只有精品19| 黄色成人免费大全| 欧美激情高清一区二区三区| 人人妻人人添人人爽欧美一区卜| 日韩 欧美 亚洲 中文字幕| 如日韩欧美国产精品一区二区三区| 搡老熟女国产l中国老女人| 亚洲成人国产一区在线观看| 亚洲精品国产一区二区精华液| 一进一出抽搐gif免费好疼 | 最近最新中文字幕大全电影3 | 久久香蕉国产精品| 波多野结衣一区麻豆| 亚洲 欧美一区二区三区| 精品久久久久久,| 国产精品成人在线| 国产在视频线精品| 他把我摸到了高潮在线观看| 亚洲欧美激情综合另类| 又紧又爽又黄一区二区| 国产精品av久久久久免费| 国产日韩一区二区三区精品不卡| 精品亚洲成a人片在线观看| 大香蕉久久成人网| 一本综合久久免费| 岛国毛片在线播放| 中文字幕最新亚洲高清| 午夜福利视频在线观看免费| 午夜老司机福利片| 久久香蕉精品热| 99精国产麻豆久久婷婷| 久久 成人 亚洲| 热99久久久久精品小说推荐| 色婷婷av一区二区三区视频| 999久久久国产精品视频| av超薄肉色丝袜交足视频| 9191精品国产免费久久| 国产欧美亚洲国产| 久久人人爽av亚洲精品天堂| 日韩欧美一区二区三区在线观看 | 纯流量卡能插随身wifi吗| 亚洲黑人精品在线| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精品美女久久av网站| 夫妻午夜视频| 日韩成人在线观看一区二区三区| 国产麻豆69| 动漫黄色视频在线观看| 国产成人精品久久二区二区91| 亚洲专区字幕在线| 久久香蕉国产精品| 精品国产乱子伦一区二区三区| av欧美777| 免费不卡黄色视频| 一级a爱视频在线免费观看| 99国产综合亚洲精品| 久久久久久久久免费视频了| 丰满的人妻完整版| av网站在线播放免费| 91字幕亚洲| a在线观看视频网站| 色婷婷久久久亚洲欧美| 91成年电影在线观看| 久久午夜综合久久蜜桃| 另类亚洲欧美激情| 夫妻午夜视频| 国产真人三级小视频在线观看| 久久这里只有精品19| 亚洲精品在线美女| 99riav亚洲国产免费| 免费日韩欧美在线观看| 国产精品av久久久久免费| 国产精品电影一区二区三区 | 91精品国产国语对白视频| 亚洲第一青青草原| 自拍欧美九色日韩亚洲蝌蚪91| 天天躁夜夜躁狠狠躁躁| 香蕉国产在线看| 国产精品一区二区精品视频观看| 少妇裸体淫交视频免费看高清 | 欧美不卡视频在线免费观看 | 欧美另类亚洲清纯唯美| 欧美av亚洲av综合av国产av| 亚洲欧美激情综合另类| 久久人人97超碰香蕉20202| 黄片大片在线免费观看| 国产亚洲精品久久久久久毛片 | 久久久精品区二区三区| 欧美日韩成人在线一区二区| 欧美日韩瑟瑟在线播放| 午夜亚洲福利在线播放| 欧美乱色亚洲激情| 黄色视频,在线免费观看| 国产激情欧美一区二区| 国产欧美日韩精品亚洲av| 成人18禁在线播放| 亚洲精品久久成人aⅴ小说| 国产成人免费观看mmmm| 免费看a级黄色片| 成年人黄色毛片网站| 99久久99久久久精品蜜桃| 久久 成人 亚洲| 大型黄色视频在线免费观看| 男女免费视频国产| 国产精品永久免费网站| ponron亚洲| 黄色视频不卡| 叶爱在线成人免费视频播放| 69精品国产乱码久久久| 国产精品98久久久久久宅男小说| 日韩三级视频一区二区三区| 男女高潮啪啪啪动态图| 男女午夜视频在线观看| 久9热在线精品视频| 国产精品国产高清国产av | 黄色片一级片一级黄色片| 在线十欧美十亚洲十日本专区| 搡老岳熟女国产| 老鸭窝网址在线观看| aaaaa片日本免费| 国产乱人伦免费视频| 天天躁狠狠躁夜夜躁狠狠躁| 天天操日日干夜夜撸| 脱女人内裤的视频| 亚洲精品久久成人aⅴ小说| av网站免费在线观看视频| 日日爽夜夜爽网站| 国产淫语在线视频| 国产欧美日韩一区二区精品| 久久精品亚洲精品国产色婷小说| 欧美激情 高清一区二区三区| 午夜老司机福利片| 黄色成人免费大全| 人人妻人人澡人人爽人人夜夜| 国产精品 欧美亚洲| 国产一区二区三区视频了| 国产亚洲精品久久久久5区| 成人18禁高潮啪啪吃奶动态图| 乱人伦中国视频| 一级,二级,三级黄色视频| 亚洲中文日韩欧美视频| 丁香欧美五月| 欧美人与性动交α欧美精品济南到| 国产精品久久久久成人av| 女性生殖器流出的白浆| 桃红色精品国产亚洲av| 香蕉久久夜色| 国产91精品成人一区二区三区| 两人在一起打扑克的视频| 亚洲欧美激情在线| 国产精品一区二区在线观看99| 色综合欧美亚洲国产小说| 精品国产超薄肉色丝袜足j| 成人免费观看视频高清| 中出人妻视频一区二区| 激情在线观看视频在线高清 | 亚洲 欧美一区二区三区| 国产淫语在线视频| 在线观看免费日韩欧美大片| 久久精品亚洲精品国产色婷小说| 91精品三级在线观看| 久久久久视频综合| 亚洲全国av大片| a在线观看视频网站| 美女国产高潮福利片在线看| 老司机影院毛片| 人人澡人人妻人| 涩涩av久久男人的天堂| 如日韩欧美国产精品一区二区三区| 热99国产精品久久久久久7| 久久中文字幕人妻熟女| 亚洲自偷自拍图片 自拍| 狠狠婷婷综合久久久久久88av| 午夜福利影视在线免费观看| 俄罗斯特黄特色一大片| 欧美 亚洲 国产 日韩一| а√天堂www在线а√下载 | 超色免费av| 精品一区二区三区视频在线观看免费 | 亚洲九九香蕉| 两性午夜刺激爽爽歪歪视频在线观看 | 久久精品成人免费网站| 精品国产亚洲在线| 久99久视频精品免费| 黑人巨大精品欧美一区二区蜜桃| 性少妇av在线| 亚洲国产看品久久| 国产高清videossex| 热99久久久久精品小说推荐| 91大片在线观看| 免费在线观看完整版高清| 久久热在线av| 老汉色av国产亚洲站长工具| 怎么达到女性高潮| 亚洲av日韩精品久久久久久密| 中文字幕高清在线视频| 日韩欧美免费精品| 亚洲午夜精品一区,二区,三区| 久久亚洲真实| 建设人人有责人人尽责人人享有的| 成人手机av| 老司机靠b影院| 国产精品美女特级片免费视频播放器 | 亚洲精品在线美女| 精品熟女少妇八av免费久了| 精品电影一区二区在线| 亚洲一区高清亚洲精品| 久久精品aⅴ一区二区三区四区| 亚洲欧洲精品一区二区精品久久久| 日韩欧美三级三区| 精品久久久久久久久久免费视频 | 狠狠婷婷综合久久久久久88av| www日本在线高清视频| 国产精品 国内视频| 建设人人有责人人尽责人人享有的| 男人操女人黄网站| www.自偷自拍.com| 老司机福利观看| 少妇被粗大的猛进出69影院| 久久久久久久久免费视频了| 国产精品九九99| 亚洲欧美一区二区三区久久| а√天堂www在线а√下载 | bbb黄色大片| 涩涩av久久男人的天堂| 法律面前人人平等表现在哪些方面| 亚洲国产欧美一区二区综合| 高清欧美精品videossex| 高清黄色对白视频在线免费看| 亚洲欧美精品综合一区二区三区| 国产色视频综合| 18禁观看日本| 中出人妻视频一区二区| 亚洲精品一二三| 日日夜夜操网爽| 国产精品av久久久久免费| 欧美激情久久久久久爽电影 | cao死你这个sao货| 久久香蕉精品热| 99香蕉大伊视频| 精品亚洲成a人片在线观看| 久久久国产一区二区| a级片在线免费高清观看视频| 99精品在免费线老司机午夜| 免费观看人在逋| av免费在线观看网站| tocl精华| 精品亚洲成国产av| 久久久久精品国产欧美久久久| 亚洲av成人av| 欧美乱色亚洲激情| 男女免费视频国产| 高清欧美精品videossex| 久久国产精品大桥未久av| 啦啦啦视频在线资源免费观看| 亚洲av成人av| 亚洲情色 制服丝袜| 一区福利在线观看| 亚洲综合色网址| 亚洲欧美色中文字幕在线| e午夜精品久久久久久久| 黄色成人免费大全| 啪啪无遮挡十八禁网站| 女人爽到高潮嗷嗷叫在线视频| 日韩熟女老妇一区二区性免费视频| 亚洲在线自拍视频| 午夜免费观看网址| 午夜成年电影在线免费观看| 国产一区在线观看成人免费| 亚洲精品乱久久久久久| 午夜影院日韩av| 亚洲成a人片在线一区二区| 韩国精品一区二区三区| 操出白浆在线播放| 12—13女人毛片做爰片一| 成人手机av| 在线观看www视频免费| 99riav亚洲国产免费| av免费在线观看网站| 精品福利永久在线观看| 亚洲国产精品合色在线| 满18在线观看网站| 老熟妇乱子伦视频在线观看| 国产伦人伦偷精品视频| 黑人巨大精品欧美一区二区mp4| 国产熟女午夜一区二区三区| 日韩成人在线观看一区二区三区| 久久国产精品人妻蜜桃| 午夜福利在线免费观看网站| 亚洲精品一卡2卡三卡4卡5卡| av福利片在线| 一a级毛片在线观看| 高潮久久久久久久久久久不卡| 极品教师在线免费播放| 麻豆乱淫一区二区| 色婷婷av一区二区三区视频| 热99久久久久精品小说推荐| 午夜日韩欧美国产| 国产精品 国内视频| ponron亚洲| 久久久国产一区二区| 久久久久精品人妻al黑| 女性被躁到高潮视频| 亚洲色图 男人天堂 中文字幕| 亚洲成人免费av在线播放| 久久午夜综合久久蜜桃| 俄罗斯特黄特色一大片| 亚洲欧美激情在线| 亚洲成a人片在线一区二区| 国产精品国产av在线观看| 中文字幕高清在线视频| 久久精品91无色码中文字幕| 99久久人妻综合| 国产精品久久电影中文字幕 | 91大片在线观看| 国产av精品麻豆| 亚洲欧美激情在线| 十分钟在线观看高清视频www| 国产精品免费一区二区三区在线 | 国产一区二区激情短视频| 国产精品国产高清国产av | 天天影视国产精品| 亚洲精品久久午夜乱码| 国产成人精品久久二区二区91| 亚洲国产欧美日韩在线播放| 高清av免费在线| 久久香蕉国产精品| av免费在线观看网站| 美女 人体艺术 gogo| 久久亚洲精品不卡| 热re99久久国产66热| 麻豆av在线久日| 人人妻,人人澡人人爽秒播| 国产高清videossex| 黑丝袜美女国产一区| 亚洲熟女毛片儿| 国产精品亚洲av一区麻豆| 免费在线观看完整版高清| 中文字幕精品免费在线观看视频| 国产av又大| 精品国产一区二区三区四区第35| 久久青草综合色| 久久久久久久精品吃奶| 久久久久久人人人人人| 校园春色视频在线观看| 欧美日韩中文字幕国产精品一区二区三区 | a在线观看视频网站| 国产野战对白在线观看| 50天的宝宝边吃奶边哭怎么回事| 久久99一区二区三区| 日韩免费av在线播放| svipshipincom国产片| 天天添夜夜摸| 亚洲熟女毛片儿| 狂野欧美激情性xxxx| 91精品三级在线观看| 亚洲一区中文字幕在线| 无人区码免费观看不卡| 91麻豆精品激情在线观看国产 | 国产真人三级小视频在线观看| 啦啦啦在线免费观看视频4| 亚洲五月天丁香| 国产男靠女视频免费网站| 人人澡人人妻人| 大型av网站在线播放| 久久人人97超碰香蕉20202| 欧美精品av麻豆av| 少妇裸体淫交视频免费看高清 | 一a级毛片在线观看| 美女福利国产在线| 欧美亚洲 丝袜 人妻 在线| 亚洲成人免费av在线播放| 免费在线观看日本一区| 69av精品久久久久久| 亚洲 国产 在线| 久久久久精品国产欧美久久久| 日韩欧美免费精品| 欧美 日韩 精品 国产| 色尼玛亚洲综合影院| 国产有黄有色有爽视频| 12—13女人毛片做爰片一| 午夜成年电影在线免费观看| 99国产综合亚洲精品| 老司机靠b影院| www.熟女人妻精品国产| 欧美日韩乱码在线| 久久久久久久国产电影| 制服人妻中文乱码| 满18在线观看网站| 日韩欧美国产一区二区入口| 精品久久久久久久久久免费视频 | 亚洲人成电影免费在线| 久久天堂一区二区三区四区| 亚洲专区字幕在线| 国产精品美女特级片免费视频播放器 | 亚洲精品在线美女| 高清av免费在线| 大陆偷拍与自拍| 不卡一级毛片| 成人18禁在线播放| 黄频高清免费视频| 成人国产一区最新在线观看| 人人澡人人妻人| a级毛片在线看网站| tube8黄色片|