• <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 ?

    基于改進卷積神經網絡的礦井巷道場強預測

    2021-11-05 12:09:26王安義周孝銘
    工礦自動化 2021年10期
    關鍵詞:發(fā)端場強損耗

    王安義, 周孝銘

    (西安科技大學 通信與信息工程學院, 陜西 西安 710054)

    0 引言

    礦井無線通信系統(tǒng)對智能礦山建設起著至關重要的作用[1-2],但由于煤礦空間受限、環(huán)境復雜,電磁波傳輸過程中存在嚴重的反射、繞射、散射等現(xiàn)象,使得建立可靠的礦井無線通信系統(tǒng)面臨較大困難[3-4]。礦井巷道場強覆蓋大小直接影響礦井無線通信系統(tǒng)性能,因此在井下基站建成之前,了解基站在礦井巷道的電磁波傳播路徑損耗規(guī)律,提高場強預測精度,有助于合理規(guī)劃基站位置和基站覆蓋范圍,避免出現(xiàn)網絡覆蓋盲區(qū)或網絡資源浪費等情況。

    國內外研究人員對場強預測方法進行了大量研究。文獻[5-7]建立了基于幾何光學法的射線追蹤模型,用射線來近似等價電磁波,其優(yōu)點是能夠得到巷道中過渡場和穩(wěn)態(tài)場的所有信息,但缺點是在預測遠場區(qū)場強時要考慮較多的鏡像級數,導致算法復雜度增加。文獻[8-9]提出了利用三維射線跟蹤法進行場強預測,但數據測量需要消耗大量人力和時間,且建模過程較為復雜。文獻[10-11]對室內走廊環(huán)境中2.4 GHz無線信號的路徑損耗進行分析,提出了單斜率和雙斜率模型,但其在受限空間下擬合效果不理想,場強預測精度較低。文獻[12-14]建立了基于支持向量機(Support Vector Machine,SVM)的礦井無線信道大尺度和小尺度場強預測模型,并利用最小二乘法和遺傳算法對SVM參數進行了優(yōu)化,但面對大規(guī)模訓練樣本時,SVM算法需要不斷迭代參數,增加了計算復雜度和訓練時間。

    近年來,神經網絡逐漸應用于場強預測[15-16]。文獻[17]針對室內毫米波信道建立了BP神經網絡路徑損耗模型,但只適用于短距離傳輸場景,且與實際路徑損耗對比,預測誤差大。卷積神經網絡(Convolutional Neural Network,CNN)是一種具有深度結構的前饋神經網絡,本文對CNN進行改進,利用批量歸一化(Batch Normalization,BN)層代替池化層,可保留有效數據特征;利用改進CNN建立礦井巷道場強預測模型,可加快模型收斂速度,達到降低計算復雜度、提高場強預測精度的目的。

    1 礦井大尺度衰落信道電磁波傳播影響因素

    礦井信道大尺度衰落是指移動接收端在一定的距離范圍內移動時,由于巖石、機車、風門等障礙物對電磁波的遮擋所造成的電磁波傳播陰影而引起的衰落,其主要受收發(fā)端距離和周圍地物環(huán)境的影響。

    結合電磁波傳播理論及其實際傳播特性,利用路徑損耗來表示巷道場強變化。收發(fā)端距離在百米至千米之間變化時,接收信號強度隨著傳播距離增大呈衰減趨勢,其路徑損耗為

    (1)

    以電磁波水平極化方式為前提[14],考慮各種環(huán)境因素對電磁波傳播衰減的影響,得出礦井巷道中電磁波信號水平極化衰減總損耗:

    LdB=LE+Lα+Lt

    (2)

    式中:LE為水平極化模式損耗;Lα為巷道壁粗糙度損耗;Lt為巷道壁傾斜度損耗。

    聯(lián)合Maxwell及Helmholtz波動方程,通過模式匹配法推導出水平極化模式損耗:

    (3)

    式中:f為天線工作頻率;dz為收發(fā)端距離;p,q分別為巷道的寬度和高度;ε1,ε2分別為巷道兩壁和頂壁的相對介電常數。

    礦井巷道壁的粗糙度函數符合高斯分布,可得巷道壁粗糙度損耗[18]:

    (4)

    式中α為巷道壁粗糙度。

    巷道壁傾斜度損耗[18]為

    Lt=4.343π2θ2dzf

    (5)

    式中θ為巷道壁傾斜度。

    由式(2)—式(5)可知,電磁波在巷道中的傳播主要受天線工作頻率,收發(fā)端距離,巷道截面尺寸,巷道壁粗糙度、傾斜度、相對介電常數等因素的影響。

    2 礦井巷道場強預測模型

    2.1 改進CNN場強預測模型結構

    傳統(tǒng)CNN由卷積層和池化層組合來提取原始數據特征,其結構如圖1所示。

    圖1 CNN基本結構Fig.1 Basic structure of CNN

    礦井巷道環(huán)境復雜且數據之間有較強的非線性關系,原始數據特征無法很好地反映巷道場強變化,因此需要提取原始特征中有效信息進行場強預測。本文在傳統(tǒng)CNN基礎上,在每個卷積層后加入BN層來代替原有的池化層(圖2),以避免池化層下采樣導致的數據特征丟失,削弱模型擬合程度??紤]到所設計的網絡模型規(guī)模較小,利用BN層可避免網絡過度擬合,加快網絡收斂。

    圖2 改進CNN結構Fig.2 Improved CNN structure

    通過分析確定天線工作頻率f,矩形巷道寬度p、高度q,巷道壁粗糙度α、傾斜度θ、相對介電常數ε,收發(fā)端距離dz共7個礦井巷道電磁波傳輸影響因素作為原始數據特征,構建維度為1×7×1的輸入向量X=(f,p,q,α,θ,ε,dz)。

    卷積層通過卷積核對輸入向量X進行卷積運算,提取數據特征h。卷積層1采用數量為20、尺寸為1×3的卷積核,卷積層2采用數量為10、尺寸為1×2的卷積核。

    h=w*X+b

    (6)

    式中:w為卷積層權重;*表示卷積運算;b為卷積層偏置。

    激活層將數據特征進行非線性映射,提取數據中復雜的非線性特征。本文激活層采用ReLU函數對h進行非線性變換,使訓練后網絡中的部分神經元輸出為0,避免過擬合。

    ReLU(h)=max(0,h)

    (7)

    BN層對每個卷積層采用均值方差法進行處理,讓每一層卷積的輸出保持相似分布,提高網絡泛化能力。

    (8)

    (9)

    (10)

    (11)

    全連接層將前面提取到的特征綜合起來并展開為一維向量,獲取路徑損耗預測值。最后通過回歸層計算預測值和真實值的均方誤差,優(yōu)化預測結果。

    2.2 基于改進CNN的礦井巷道場強預測流程

    基于改進CNN的礦井巷道場強預測具體步驟如下。

    (1) 數據預處理。對仿真生成的路徑損耗數據進行預處理,剔除異常數據,并對數據進行歸一化處理。將處理后的數據按照6∶4的比例劃分為訓練集和測試集,構造輸入向量。

    (2) 參數初始化。設置改進CNN中卷積層權重w、偏置b為隨機數;初始學習率η為0.001,且每經過5輪將學習率降低0.2倍;優(yōu)化器選用Adam函數;最大迭代次數為100,閾值誤差為0.000 1。

    (3) 輸入層輸入訓練集,通過卷積層計算提取數據特征,BN層使數據保持相似分布,最后經過全連接層將特征展開為一維向量,計算路徑損耗預測值。

    (5) 判斷是否滿足訓練結束要求。當誤差達到閾值或迭代次數達到最大時,執(zhí)行步驟(7),結束訓練;否則繼續(xù)執(zhí)行步驟(6)。

    (7) 保存最優(yōu)網絡參數,基于改進CNN的礦井巷道場強預測模型訓練完成。

    (8) 通過測試集對訓練所得模型進行性能評估。輸入測試集,輸出路徑損耗預測值,并與真實值進行對比,評估模型擬合程度。

    3 仿真實驗

    實驗平臺配置:Intel Core i7中央處理器;16 GB內存;Matlab2020。

    3.1 實驗數據

    仿真實驗采用矩形巷道,仿真參數設置見表1。

    表1 仿真參數Table 1 Simulation parameters

    沿巷道長度方向均勻劃分501個點進行測量,且每個點記錄10次數據??紤]到礦井環(huán)境復雜,為保證數據的有效性,將異常數據剔除,對數據進行歸一化處理,得到5 010個路徑損耗值。礦井巷道路徑損耗分布如圖3所示,可看出收發(fā)端距離越遠,路徑損耗越嚴重,表征了礦井信道大尺度衰落的趨勢。選取收發(fā)端距離為0~299 m時對應的3 000個數據作為訓練集,收發(fā)端距離為300~500 m時對應的2 010個數據作為測試集。

    圖3 礦井巷道路徑損耗分布Fig.3 Path loss distribution of mine roadway

    3.2 實驗結果

    CNN模型(2層卷積+2層池化)與改進CNN模型的擬合效果對比如圖4所示。可看出CNN模型的預測結果整體上符合場強變化規(guī)律,但抖動現(xiàn)象嚴重,尤其當收發(fā)端距離為460~500 m時,抖動較為劇烈,無法很好地貼合實際值,原因是傳統(tǒng)CNN模型的池化層會丟掉對預測有用的特征向量;改進CNN模型能夠更加準確地預測場強,預測值和實際值的契合度較好,表明該模型具有較強的魯棒性。

    圖4 CNN改進前后預測結果對比Fig.4 Comparison of prediction results before and after CNN improvement

    為進一步驗證改進CNN模型的有效性,與BP神經網絡模型(含有2個隱藏層,神經元個數為6,迭代次數為10 000)和SVM模型(正則化參數γ=8.206,核函數參數σ=0.089 1)進行對比。利用相同的實驗數據分別對BP神經網絡模型、SVM模型和改進CNN模型進行回歸分析,結果如圖5所示??煽闯鯞P神經網絡模型在收發(fā)端距離為360~380 m時過擬合現(xiàn)象嚴重,陷入局部最小值;相比于BP神經網絡模型,SVM模型的預測性能有了一定的提高,但當收發(fā)端距離較大時,預測值偏離實際值較大;改進CNN模型的預測值與實際值的匹配度最高。

    圖5 不同模型預測結果對比Fig.5 Comparison of prediction results of different models

    3種模型預測的路徑損耗誤差如圖6所示??煽闯龈倪MCNN模型預測誤差明顯小于其他2種模型,最大絕對誤差在0.4 dB以下,表明改進CNN模型能有效提高預測精度。

    圖6 不同模型預測誤差對比Fig.6 Comparison of prediction errors of different models

    采用平均絕對百分誤差(Mean Absolute Percentage Error,MAPE)、均方根誤差(Root Mean Square Error,RMSE)、平均絕對誤差(Mean Absolute Error,MAE)和相關系數作為模型預測性能評價指標。MAPE描述礦井巷道場強變化的整體預測效果,是評價模型預測效果的主要依據,其值越小,表明預測效果越好;RMSE和MAE分別側重場強變化劇烈和變化平穩(wěn)時的預測誤差,其值越小,表明預測效果越好;相關系數反映預測值和實際值的偏差,其值越接近1,表明預測精度越高。

    3種模型預測性能評價指標結果對比見表2。可看出改進CNN模型的MAPE,RMSE,MAE均比BP神經網絡模型和SVM模型小,而相關系數最高,表明改進CNN模型能有效提高預測精度。

    表2 不同模型預測性能評價指標結果對比Table 2 Comparison of prediction performance evaluation index results of different models

    4 結語

    建立了基于改進CNN的礦井巷道場強預測模型。通過分析礦井巷道大尺度衰落下影響電磁波傳播的因素,將天線工作頻率、巷道截面尺寸、巷道壁粗糙度、巷道壁傾斜度、巷道壁相對介電常數、收發(fā)端距離作為模型輸入;通過改進CNN結構,即在每個卷積層后加入BN層代替池化層,在保證不丟失有效特征條件下降低了網絡復雜度且易于訓練,實現(xiàn)了網絡結構輕量化。仿真結果表明,與CNN模型、BP神經網絡模型及SVM模型相比,該模型預測精度更高,具有較強的魯棒性。

    猜你喜歡
    發(fā)端場強損耗
    “五四運動”名稱的發(fā)端問題考釋
    發(fā)端自有處 漸生所不息——試談室內歌劇的由來
    樂府新聲(2021年1期)2021-05-21 08:09:28
    求解勻強電場場強的兩種方法
    場強與電勢辨析及應用
    基于K-means聚類的車-地無線通信場強研究
    LTE-R場強測試系統(tǒng)的實現(xiàn)
    新疆早期西畫發(fā)端概述
    油畫藝術(2017年3期)2017-05-21 00:57:14
    一種快速的MIMO系統(tǒng)聯(lián)合收發(fā)端天線選擇算法
    自我損耗理論視角下的編輯審讀
    新聞傳播(2016年11期)2016-07-10 12:04:01
    變壓器附加損耗對負載損耗的影響
    亚洲色图 男人天堂 中文字幕| 一区二区三区激情视频| 99精品在免费线老司机午夜| 欧美最黄视频在线播放免费| 国产99久久九九免费精品| 久久人人爽av亚洲精品天堂| 国产单亲对白刺激| 天堂影院成人在线观看| 久久人人爽av亚洲精品天堂| 制服人妻中文乱码| 可以免费在线观看a视频的电影网站| 女人被狂操c到高潮| 成人三级做爰电影| 亚洲avbb在线观看| 高清在线国产一区| 成人18禁高潮啪啪吃奶动态图| 国产在线精品亚洲第一网站| 亚洲欧美日韩高清在线视频| 夜夜躁狠狠躁天天躁| 91精品国产国语对白视频| 午夜福利影视在线免费观看| 少妇 在线观看| 91字幕亚洲| 国产私拍福利视频在线观看| 男人操女人黄网站| 久久青草综合色| 久久久久久免费高清国产稀缺| 色在线成人网| 久久久久久久精品吃奶| 在线播放国产精品三级| 国产精品免费视频内射| 岛国视频午夜一区免费看| 免费看十八禁软件| 我的亚洲天堂| 999久久久精品免费观看国产| 国产私拍福利视频在线观看| 给我免费播放毛片高清在线观看| 黄色a级毛片大全视频| 亚洲欧美激情在线| 国产三级黄色录像| 最新在线观看一区二区三区| 久久久久国产精品人妻aⅴ院| 亚洲国产精品sss在线观看| 精品国产乱码久久久久久男人| 日韩一卡2卡3卡4卡2021年| 亚洲中文日韩欧美视频| 无遮挡黄片免费观看| 久久久国产精品麻豆| 免费在线观看黄色视频的| 99精品在免费线老司机午夜| av中文乱码字幕在线| 免费高清在线观看日韩| 欧美成人免费av一区二区三区| 搞女人的毛片| 久久婷婷人人爽人人干人人爱 | 可以在线观看毛片的网站| 老汉色∧v一级毛片| 日本精品一区二区三区蜜桃| 99精品久久久久人妻精品| 免费在线观看日本一区| 欧美色视频一区免费| 亚洲熟妇中文字幕五十中出| 中文字幕人妻熟女乱码| 脱女人内裤的视频| 国产91精品成人一区二区三区| 亚洲一码二码三码区别大吗| 午夜成年电影在线免费观看| 在线观看www视频免费| 在线观看一区二区三区| 男人的好看免费观看在线视频 | 99在线视频只有这里精品首页| 亚洲 欧美一区二区三区| 一进一出抽搐gif免费好疼| 亚洲精品美女久久av网站| 国产熟女午夜一区二区三区| 精品国产国语对白av| 国产亚洲精品第一综合不卡| 国产日韩一区二区三区精品不卡| 亚洲一区二区三区色噜噜| 国产一区二区三区综合在线观看| 老司机午夜十八禁免费视频| 搞女人的毛片| 精品国产美女av久久久久小说| 亚洲人成电影观看| 国产1区2区3区精品| 精品电影一区二区在线| 久久精品人人爽人人爽视色| 欧美另类亚洲清纯唯美| 亚洲中文字幕一区二区三区有码在线看 | 性色av乱码一区二区三区2| 少妇的丰满在线观看| 久久久久国产精品人妻aⅴ院| 国产高清激情床上av| 18美女黄网站色大片免费观看| 级片在线观看| 丝袜在线中文字幕| 免费女性裸体啪啪无遮挡网站| 午夜福利成人在线免费观看| 国产99白浆流出| 99国产精品免费福利视频| 99精品久久久久人妻精品| 精品卡一卡二卡四卡免费| 99国产极品粉嫩在线观看| 欧美日韩乱码在线| 国产人伦9x9x在线观看| 午夜精品国产一区二区电影| 搡老妇女老女人老熟妇| 国产精品永久免费网站| 精品电影一区二区在线| 一夜夜www| 国产精品久久电影中文字幕| 国产亚洲精品久久久久久毛片| 99精品欧美一区二区三区四区| 在线观看日韩欧美| 国产伦一二天堂av在线观看| 国产蜜桃级精品一区二区三区| 日韩大码丰满熟妇| 亚洲色图综合在线观看| 美女大奶头视频| 一个人观看的视频www高清免费观看 | 动漫黄色视频在线观看| 极品教师在线免费播放| 国产高清videossex| 亚洲中文字幕一区二区三区有码在线看 | 两个人看的免费小视频| 午夜视频精品福利| cao死你这个sao货| 国产激情欧美一区二区| 村上凉子中文字幕在线| 丝袜人妻中文字幕| netflix在线观看网站| 国产xxxxx性猛交| 欧美成人一区二区免费高清观看 | 亚洲七黄色美女视频| 久久伊人香网站| 黄网站色视频无遮挡免费观看| 99在线人妻在线中文字幕| 99久久精品国产亚洲精品| 久久久久国产精品人妻aⅴ院| 久久人人精品亚洲av| 亚洲av日韩精品久久久久久密| 嫁个100分男人电影在线观看| 亚洲免费av在线视频| 看免费av毛片| 黄网站色视频无遮挡免费观看| 无遮挡黄片免费观看| 久久久国产精品麻豆| 99香蕉大伊视频| 最新美女视频免费是黄的| 国产成+人综合+亚洲专区| 97人妻天天添夜夜摸| 免费在线观看日本一区| 亚洲午夜精品一区,二区,三区| 久久人人精品亚洲av| 国产精品爽爽va在线观看网站 | 90打野战视频偷拍视频| 久久这里只有精品19| 久久 成人 亚洲| 精品国产超薄肉色丝袜足j| 午夜免费观看网址| 在线观看免费日韩欧美大片| 久久人人爽av亚洲精品天堂| 一进一出抽搐gif免费好疼| 久久久国产精品麻豆| 性少妇av在线| 不卡av一区二区三区| 亚洲国产毛片av蜜桃av| 久久人妻熟女aⅴ| 中文字幕色久视频| 色老头精品视频在线观看| 久热这里只有精品99| 99riav亚洲国产免费| 人妻丰满熟妇av一区二区三区| 老司机靠b影院| 久久中文看片网| 免费人成视频x8x8入口观看| 中文字幕色久视频| 国产麻豆69| 啦啦啦韩国在线观看视频| 动漫黄色视频在线观看| 久久精品影院6| 精品一区二区三区四区五区乱码| 丝袜美足系列| 欧美av亚洲av综合av国产av| 成在线人永久免费视频| 在线观看日韩欧美| 中文字幕久久专区| 国产亚洲精品久久久久久毛片| 美女大奶头视频| 欧美激情极品国产一区二区三区| 中亚洲国语对白在线视频| 无人区码免费观看不卡| www.熟女人妻精品国产| 欧美国产精品va在线观看不卡| 97碰自拍视频| 长腿黑丝高跟| 亚洲人成电影观看| 欧美另类亚洲清纯唯美| 亚洲自偷自拍图片 自拍| 人人妻,人人澡人人爽秒播| 一个人免费在线观看的高清视频| 免费在线观看亚洲国产| 咕卡用的链子| 成人三级黄色视频| 欧美日韩乱码在线| 亚洲avbb在线观看| 人人妻人人爽人人添夜夜欢视频| 十八禁网站免费在线| 女警被强在线播放| 女人爽到高潮嗷嗷叫在线视频| 老熟妇仑乱视频hdxx| 十八禁网站免费在线| 无人区码免费观看不卡| 中文字幕最新亚洲高清| 黄网站色视频无遮挡免费观看| 久久国产精品男人的天堂亚洲| 人成视频在线观看免费观看| 午夜久久久久精精品| 夜夜看夜夜爽夜夜摸| www.999成人在线观看| 亚洲av熟女| 亚洲人成伊人成综合网2020| 亚洲最大成人中文| 男人舔女人下体高潮全视频| 国产欧美日韩精品亚洲av| 老司机午夜十八禁免费视频| www.熟女人妻精品国产| 久久婷婷成人综合色麻豆| 变态另类丝袜制服| 99精品久久久久人妻精品| 国产成人精品久久二区二区免费| 此物有八面人人有两片| 国产精品av久久久久免费| 亚洲一区高清亚洲精品| 亚洲自偷自拍图片 自拍| 午夜a级毛片| 在线观看午夜福利视频| 久久影院123| 天天躁狠狠躁夜夜躁狠狠躁| 人人妻人人澡人人看| 一级a爱视频在线免费观看| 亚洲av电影在线进入| av天堂久久9| 精品久久久久久,| 如日韩欧美国产精品一区二区三区| 欧美日韩瑟瑟在线播放| 国产精品爽爽va在线观看网站 | svipshipincom国产片| 亚洲专区中文字幕在线| 高清毛片免费观看视频网站| 成人国产综合亚洲| 国产精品av久久久久免费| 人妻丰满熟妇av一区二区三区| 国产不卡一卡二| 人人妻人人澡人人看| 国产亚洲精品久久久久久毛片| 久久人妻熟女aⅴ| 日日爽夜夜爽网站| 免费在线观看完整版高清| 精品欧美一区二区三区在线| 涩涩av久久男人的天堂| 一级作爱视频免费观看| 亚洲精品国产区一区二| 一级,二级,三级黄色视频| 咕卡用的链子| 亚洲男人天堂网一区| 欧美在线一区亚洲| 天天添夜夜摸| 桃色一区二区三区在线观看| 欧美日韩瑟瑟在线播放| 亚洲国产看品久久| 在线观看午夜福利视频| 黄色a级毛片大全视频| 久久人人97超碰香蕉20202| 制服丝袜大香蕉在线| 国产日韩一区二区三区精品不卡| 国产三级在线视频| 欧美成人一区二区免费高清观看 | 激情在线观看视频在线高清| 一进一出好大好爽视频| 午夜免费激情av| 一级毛片高清免费大全| 久久国产精品男人的天堂亚洲| 亚洲人成电影观看| 午夜福利影视在线免费观看| 99精品欧美一区二区三区四区| 国产精品亚洲av一区麻豆| 欧美成人午夜精品| 露出奶头的视频| 自拍欧美九色日韩亚洲蝌蚪91| 麻豆久久精品国产亚洲av| 一夜夜www| 精品国内亚洲2022精品成人| 亚洲国产看品久久| 国产av又大| 少妇熟女aⅴ在线视频| 欧美日本中文国产一区发布| 操美女的视频在线观看| 在线观看免费视频日本深夜| 久久久久久国产a免费观看| 校园春色视频在线观看| 亚洲国产欧美日韩在线播放| 精品国产乱码久久久久久男人| 午夜久久久久精精品| 人人妻人人澡欧美一区二区 | 欧美日韩瑟瑟在线播放| 长腿黑丝高跟| 一卡2卡三卡四卡精品乱码亚洲| 99久久久亚洲精品蜜臀av| 亚洲一码二码三码区别大吗| 黄片播放在线免费| 一级a爱片免费观看的视频| 麻豆国产av国片精品| 757午夜福利合集在线观看| 国产午夜精品久久久久久| 精品一区二区三区四区五区乱码| 91成人精品电影| 亚洲精品中文字幕一二三四区| 欧美大码av| 精品人妻1区二区| 国产成人影院久久av| 韩国av一区二区三区四区| 在线永久观看黄色视频| 热99re8久久精品国产| 麻豆成人av在线观看| 国内毛片毛片毛片毛片毛片| 99久久综合精品五月天人人| 日本黄色视频三级网站网址| 免费看美女性在线毛片视频| 国产激情久久老熟女| 欧美日韩精品网址| 男女床上黄色一级片免费看| 欧美黄色淫秽网站| 亚洲熟女毛片儿| av有码第一页| 成年女人毛片免费观看观看9| 又紧又爽又黄一区二区| 91九色精品人成在线观看| 男人舔女人下体高潮全视频| 亚洲成av人片免费观看| av电影中文网址| 亚洲精品美女久久久久99蜜臀| 亚洲成a人片在线一区二区| 手机成人av网站| 19禁男女啪啪无遮挡网站| 欧洲精品卡2卡3卡4卡5卡区| 久久婷婷成人综合色麻豆| 欧美激情极品国产一区二区三区| 国产亚洲欧美98| 少妇 在线观看| 成人亚洲精品一区在线观看| 多毛熟女@视频| 亚洲全国av大片| 免费人成视频x8x8入口观看| 99精品在免费线老司机午夜| 日韩 欧美 亚洲 中文字幕| 制服诱惑二区| 不卡av一区二区三区| 变态另类丝袜制服| 人妻久久中文字幕网| 国产精品综合久久久久久久免费 | 99久久国产精品久久久| av免费在线观看网站| 免费高清在线观看日韩| 精品久久久精品久久久| 欧美日韩乱码在线| 美女国产高潮福利片在线看| av视频在线观看入口| 欧美日韩瑟瑟在线播放| 亚洲精华国产精华精| 午夜激情av网站| 啦啦啦观看免费观看视频高清 | 亚洲中文日韩欧美视频| 久久中文字幕人妻熟女| 超碰成人久久| a级毛片在线看网站| 少妇 在线观看| 99riav亚洲国产免费| 亚洲欧美激情在线| 麻豆国产av国片精品| 少妇粗大呻吟视频| 无人区码免费观看不卡| 波多野结衣av一区二区av| 最新在线观看一区二区三区| 午夜福利欧美成人| 国产av一区在线观看免费| 国产精品久久久久久精品电影 | 黄网站色视频无遮挡免费观看| 在线观看免费日韩欧美大片| 一区二区三区高清视频在线| 亚洲欧美激情综合另类| 黄频高清免费视频| 欧美精品亚洲一区二区| 亚洲五月婷婷丁香| 一区二区三区高清视频在线| 日本vs欧美在线观看视频| 无遮挡黄片免费观看| 欧美成人免费av一区二区三区| 国产精品香港三级国产av潘金莲| 黄色丝袜av网址大全| 99热只有精品国产| 黄色毛片三级朝国网站| 欧美日韩亚洲综合一区二区三区_| 搞女人的毛片| 一级,二级,三级黄色视频| 午夜两性在线视频| 高清毛片免费观看视频网站| 亚洲国产日韩欧美精品在线观看 | 变态另类丝袜制服| 女人被狂操c到高潮| 久久精品91蜜桃| 欧美在线一区亚洲| 丝袜美足系列| 美女高潮喷水抽搐中文字幕| 国产成人欧美在线观看| 999精品在线视频| 18禁美女被吸乳视频| 免费一级毛片在线播放高清视频 | 亚洲avbb在线观看| 好男人电影高清在线观看| 又大又爽又粗| 亚洲国产日韩欧美精品在线观看 | 久久久久国产精品人妻aⅴ院| 日本 av在线| x7x7x7水蜜桃| 欧美性长视频在线观看| 国产成人系列免费观看| 老鸭窝网址在线观看| 脱女人内裤的视频| 国产野战对白在线观看| 黄色片一级片一级黄色片| 国产一级毛片七仙女欲春2 | 禁无遮挡网站| 激情在线观看视频在线高清| 精品久久久久久久毛片微露脸| 国内久久婷婷六月综合欲色啪| 久久国产精品男人的天堂亚洲| 久久这里只有精品19| 在线观看www视频免费| 大香蕉久久成人网| 国产又色又爽无遮挡免费看| 91国产中文字幕| 国产高清videossex| 看免费av毛片| 在线观看一区二区三区| 一进一出抽搐动态| 国产亚洲精品久久久久久毛片| 久久人人97超碰香蕉20202| cao死你这个sao货| 日韩大尺度精品在线看网址 | 亚洲av熟女| 精品高清国产在线一区| 欧美黄色片欧美黄色片| 成人18禁在线播放| 欧美在线黄色| 两人在一起打扑克的视频| 国产亚洲av高清不卡| 91av网站免费观看| 国产人伦9x9x在线观看| 国产野战对白在线观看| 一区在线观看完整版| 曰老女人黄片| 亚洲av日韩精品久久久久久密| 熟女少妇亚洲综合色aaa.| 每晚都被弄得嗷嗷叫到高潮| 人成视频在线观看免费观看| 久久人人爽av亚洲精品天堂| 久久精品aⅴ一区二区三区四区| 日本一区二区免费在线视频| 黄网站色视频无遮挡免费观看| 一个人观看的视频www高清免费观看 | 亚洲av熟女| 久久精品国产综合久久久| 变态另类丝袜制服| 制服人妻中文乱码| 久久亚洲精品不卡| 午夜福利成人在线免费观看| 无遮挡黄片免费观看| 国产97色在线日韩免费| 黑人巨大精品欧美一区二区蜜桃| 制服诱惑二区| 国产一级毛片七仙女欲春2 | 电影成人av| 一本综合久久免费| 天堂√8在线中文| 午夜久久久久精精品| av中文乱码字幕在线| 一区二区三区精品91| 亚洲午夜精品一区,二区,三区| 99国产综合亚洲精品| 淫妇啪啪啪对白视频| 在线观看免费视频网站a站| 日本撒尿小便嘘嘘汇集6| 国产成人欧美| 亚洲精品久久国产高清桃花| 女性被躁到高潮视频| 欧美日韩中文字幕国产精品一区二区三区 | 91国产中文字幕| 国产精品乱码一区二三区的特点 | av天堂久久9| 国产又爽黄色视频| 亚洲欧美激情综合另类| 免费在线观看影片大全网站| 免费看十八禁软件| 99国产精品一区二区三区| 久久久久久大精品| 91老司机精品| 色综合亚洲欧美另类图片| 亚洲第一欧美日韩一区二区三区| 大型黄色视频在线免费观看| 午夜福利视频1000在线观看 | 久久久久久久午夜电影| 午夜久久久久精精品| 亚洲片人在线观看| 91麻豆av在线| 亚洲伊人色综图| 真人一进一出gif抽搐免费| 侵犯人妻中文字幕一二三四区| cao死你这个sao货| 国产精品亚洲美女久久久| 国产午夜精品久久久久久| 国产日韩一区二区三区精品不卡| 男人舔女人下体高潮全视频| 免费在线观看亚洲国产| 久久人人97超碰香蕉20202| 国产成人影院久久av| 亚洲一区中文字幕在线| 久久人妻福利社区极品人妻图片| 欧美乱码精品一区二区三区| 欧美日韩亚洲综合一区二区三区_| 国产片内射在线| 波多野结衣av一区二区av| 久久香蕉激情| 亚洲熟女毛片儿| 亚洲五月天丁香| 少妇熟女aⅴ在线视频| 天天添夜夜摸| 国产激情欧美一区二区| 日韩欧美三级三区| 成人18禁在线播放| 美女免费视频网站| 国产精品美女特级片免费视频播放器 | 两人在一起打扑克的视频| 老汉色∧v一级毛片| 国产成人影院久久av| 欧美精品亚洲一区二区| 亚洲七黄色美女视频| 亚洲av片天天在线观看| 亚洲男人天堂网一区| 九色国产91popny在线| 免费av毛片视频| 伦理电影免费视频| 国产精品久久久久久精品电影 | www.www免费av| 少妇熟女aⅴ在线视频| 精品国产乱码久久久久久男人| 成人精品一区二区免费| 国产一区二区在线av高清观看| 夜夜躁狠狠躁天天躁| 亚洲男人天堂网一区| 制服人妻中文乱码| 久久婷婷人人爽人人干人人爱 | 久久婷婷成人综合色麻豆| 日韩大码丰满熟妇| 久久国产精品影院| 啪啪无遮挡十八禁网站| www日本在线高清视频| 99国产综合亚洲精品| 麻豆一二三区av精品| 人人妻人人爽人人添夜夜欢视频| 久久久久精品国产欧美久久久| 在线观看免费视频网站a站| 婷婷丁香在线五月| 丁香欧美五月| 精品欧美一区二区三区在线| 久久国产精品男人的天堂亚洲| 午夜福利成人在线免费观看| 久久婷婷人人爽人人干人人爱 | 久久久久亚洲av毛片大全| 日本一区二区免费在线视频| 欧美一区二区精品小视频在线| 99精品久久久久人妻精品| 12—13女人毛片做爰片一| 黄色片一级片一级黄色片| 国产高清视频在线播放一区| 久久久精品国产亚洲av高清涩受| 老熟妇仑乱视频hdxx| 别揉我奶头~嗯~啊~动态视频| 此物有八面人人有两片| 女人精品久久久久毛片| 欧美日本亚洲视频在线播放| 成熟少妇高潮喷水视频| 他把我摸到了高潮在线观看| 国产99久久九九免费精品| 久久久久久久午夜电影| 热re99久久国产66热| 亚洲精品中文字幕一二三四区| 精品一区二区三区视频在线观看免费| 精品熟女少妇八av免费久了| 波多野结衣高清无吗| 可以免费在线观看a视频的电影网站| 欧美黑人精品巨大| 黑人欧美特级aaaaaa片| 久久精品人人爽人人爽视色| 久久精品成人免费网站| 在线十欧美十亚洲十日本专区| 一级,二级,三级黄色视频| 亚洲成人免费电影在线观看| 18禁黄网站禁片午夜丰满| 亚洲国产精品999在线| www.熟女人妻精品国产| 亚洲国产精品成人综合色| 午夜激情av网站| 香蕉国产在线看| 国产精品久久久久久亚洲av鲁大|