• <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 ?

    基于隨機矩陣最大特征值分布的頻譜感知算法

    2017-03-21 13:08:06楊雪梅徐家品
    計算機測量與控制 2017年2期
    關鍵詞:用戶數(shù)特征值協(xié)作

    何 希,楊雪梅,徐家品

    (1.四川大學 電子信息學院,成都 610065; 2.四川大學 錦江學院,四川 彭山 620860)

    基于隨機矩陣最大特征值分布的頻譜感知算法

    何 希1,楊雪梅2,徐家品1

    (1.四川大學 電子信息學院,成都 610065; 2.四川大學 錦江學院,四川 彭山 620860)

    現(xiàn)有頻譜感知算法在低信噪比時檢測性能較低且受虛警概率影響大,針對此問題,提出了一種基于wishart矩陣樣本協(xié)方差矩陣最大特征值的分布特性的頻譜感知算法;該算法利用最大特征值與幾何平均特征值的比值,不需要主用戶的先驗知識,不敏感于噪聲,對相關信號和獨立同分布信號均具有較高的檢測性能;仿真結果表明,所提算法受虛警概率的影響較小,檢測性能高,并且在采樣點數(shù)、協(xié)作用戶數(shù)、信噪比及虛警概率較小的情況下,也能獲得較好的檢測性能。

    頻譜感知;隨機矩陣理論;樣本協(xié)方差矩陣;最大特征值;幾何平均特征值

    0 引言

    頻譜感知作為認知無線電(cognitive radio)的一種資源管理技術,主要用于處理頻譜利用率的問題。由于低信噪比、深度衰落、隱藏節(jié)點等問題[1],使頻譜感知成為了一項困難的工作。頻譜感知算法中,匹配濾波檢測(MFD)[2]、循環(huán)平穩(wěn)特征檢測(CFD)[3],以及能量檢測(ED)[4]是較為經(jīng)典的方法。相較于MFD和CFD,ED不需要主用戶的任何先驗信息,對于獨立同分布的信號具有較高的檢測性能。但對于相關信號,ED的檢測性能較差,而且對噪聲不確定性很敏感。在頻譜感知中,存在兩種感知方式:單用戶感知和協(xié)作用戶感知。單用戶感知受隱藏節(jié)點等問題的影響,沒有穩(wěn)定的檢測性能,而協(xié)作用戶感知克服了單用戶感知存在的缺陷,比單用戶感知擁有更精確的檢測性能,適用于獨立同分布信號和相關信號。由于協(xié)作頻譜感知方式明顯的優(yōu)勢,基于用戶協(xié)作的頻譜感知方式[5-8]得到了廣泛的研究。

    在多用戶協(xié)作感知場景中,信號相關與噪聲不確定現(xiàn)象很可能同時存在。為了獲得良好的感知性能,基于隨機矩陣理論的多用戶協(xié)作感知方法[9]成為了研究熱點。這些方法不僅能夠檢測獨立同分布信號,也適用于相關信號,并且成功地規(guī)避了經(jīng)典感知方法的缺點。文獻[10]中的LED算法利用了最小特征值的分布特性,與其他相似算法作比較,得到了較好的檢測性能。文獻[11]中的RMET算法利用了最大特征值分布特性,以最大特征值與樣本協(xié)方差矩陣跡的比值為檢測統(tǒng)計量,得到了較高的檢測性能。文獻[12]中的DSCM算法利用了特征值的對數(shù)分布特性,對獨立同分布信號具有較好的檢測能力,但其受虛警概率的影響較大。文獻[13]中的AMME和AME兩種算法利用了算術平均特征值的正態(tài)分布特性,兩種算法在低樣本點數(shù)下,均能獲得較好的檢測性能,但在虛警概率較低時,這兩種算法的檢測性能均較低。文獻[13]中的NMME算法利用了Wishart隨機矩陣最小特征值的分布特性,該算法受虛警概率的影響較小,但在信噪比較低時,其檢測性能也較弱。

    針對以上問題,本文根據(jù)Wishart隨機矩陣理論,采用樣本協(xié)方差矩陣最大特征值與幾何平均特征值(maximum-geometric mean eigenvalue, MGME)的比值作為判定統(tǒng)計量,提出了一種頻譜感知算法。

    1 系統(tǒng)模型

    假設主用戶信號不存在,只有噪聲的情況用H0表示,主用戶信號和噪聲都存在的情況用H1表示,則可用一個二元假設檢驗問題來表示認知用戶的信號檢測模型:

    (1)

    用向量形式H、X以及η分別將信道增益、接收信號以及噪聲表示成如下形式:

    (2)

    (3)

    (4)

    根據(jù)以上定義,式 (1) 可表示為:

    (5)

    假設噪聲η是獨立同分布(iid)信號,且信號S。與噪聲η不相關,則在樣本數(shù)N足夠大的情況下,接收信號和噪聲信號的樣本協(xié)方差矩陣Rx(N)、Rη(N)分別定義為:

    (6)

    (7)

    2 MGME算法的理論分析

    2.1 算法的理論基礎

    根據(jù)Penna等人的研究成果[16],當N→∞,M與N的比值趨于一個常數(shù)時,Wishart隨機矩陣的λmax服從Tracy-Widom分布。

    定理2:如果噪聲信號為實信號,令:

    (8)

    (9)

    當主用戶信號不存在時,Rx(N)=Rη(N),即:

    (10)

    其中:Rx(N)為Wishart隨機矩陣。

    (11)

    (12)

    2.2 算法的閾值推導

    本文將最大特征值與幾何平均特征值之比作為判決統(tǒng)計量:

    (13)

    假設虛警概率為Pfa,判決閾值為γ,根據(jù)定理1、2和式(12)可得:

    (14)

    因此,判決閾值可表示為:

    (15)

    3 算法性能仿真

    3.1 仿真環(huán)境及工具

    為了驗證所提MGME算法的檢測性能,本文將從采樣點數(shù)、協(xié)作用戶數(shù)、信噪比以及虛警概率4個條件變化情況下對MGME算法進行仿真分析。實驗采用10 000次MonteCarlo仿真來比較MGME、RMET、AMME、AME、NMME以及DSCM六種算法,仿真平臺為MATLAB(R2013a)。

    3.2 仿真結果與比較分析

    圖1、2表示各種算法在不同采樣點數(shù)情況下的檢測性能,其中Pfa=0.05,SNR=-9 dB,M分別為5和7。通過比較圖1、2的仿真曲線可知,當協(xié)作用戶數(shù)M由5增加到7時,在采樣點數(shù)N=60處,MGME算法的檢測概率增加了0.15,RMET算法增加了0.15,AMME算法增加了0.15,AME算法增加了0.17,NMME算法增加了0.08,DSCM算法減少了0.04。由此可見,增加協(xié)作用戶數(shù)有利于提高MGME、RMET、AMME、AME和NMME此5種算法的檢測性能,卻不一定能提高DSCM的檢測性能。此外,隨著采樣點數(shù)的增加,6種算法的檢測概率也隨之增加,而MGME算法的檢測概率總是高于其他五種算法。在圖1中,當采樣點數(shù)N=160時,MGME算法的檢測概率已達0.93,RMET為0.9,AMME為0.65,AME為0.55,NMME為0.51,DSCM為0.47。由此可見,增加采樣點數(shù)能提高6種算法的檢測性能。綜上所述,增加采樣點數(shù)或協(xié)作用戶數(shù)都能提高MGME算法的檢測性能,且在低采樣點數(shù)和低協(xié)作用戶數(shù)情況下,MGME算法的檢測性能是最好的。

    M=5圖1 檢測概率與采樣點數(shù)之間的關系

    M=7圖2 檢測概率與采樣點數(shù)之間的關系

    圖3、4表示各種算法在不同信噪比(dB)情況下的檢測性能,其中Pfa=0.05,N=300,M=7。圖3是檢測相關信號的情況,圖4是檢測iid信號的情況。由圖3、4的仿真曲線可知,6種算法對相關信號和iid信號都具有較好的檢測性能,且DSCM算法檢測iid信號的性能明顯高于檢測相關信號,而MGME、RMET、AMME、AME和NMME此5種算法檢測兩種信號的性能相差不大。在相同信噪比處,MGME算法的檢測概率總是高于其他5種算法。在圖3中,當信噪比SNR=-12 dB時,MGME算法的檢測概率為0.92,RMET為0.89,AMME為0.71,AME為0.68,NMME為0.53,DSCM為0.4。當SNR=-10 dB時,MGME算法的檢測概率已接近1。在圖4中,當信噪比SNR= -15 dB時,MGME的檢測概率為0.91,RMET為0.86,DSCM為0.69,AMME為0.59,AME為0.53,NMME為0.36。當SNR= -13 dB時,MGME算法的檢測概率接近于1。綜上所述,對于相關信號和iid信號,MGME算法都具有較高的檢測性能,而在低信噪比條件下,MGME的檢測性能最好。

    圖3 檢測相關信號時檢測概率與信噪比(dB)之間的關系

    圖4 檢測iid信號時檢測概率與信噪比(dB)之間的關系

    圖5表示各種算法在不同虛警概率情況下的檢測性能,其中N=100,M=7,SNR= -9 dB。由仿真曲線可知,隨著虛警概率的增加,MGME、RMET、AMME、AME和DSCM五種算法的檢測概率也隨之逐漸增加,而NMME算法的檢測概率幾乎不變。在虛警概率由0.01增加到0.2的過程中,NMME算法的檢測概率只增加了0.01,MGME增加了0.11,AMME增加了0.17,RMET增加了0.21,AME增加了0.29,DSCM增加了0.43,故NMME算法的檢測性能幾乎不受虛警概率的影響,而在MGME、RMET、AMME、AME和DSCM五種算法中,MGME是受虛警概率影響最小的。此外,在相同虛警概率下,MGME算法的檢測概率總是高于其他五種算法。在虛警概率Pfa=0.02處,MGME算法的檢測概率已達到0.9,RMET為0.82,AMME為0.57,AMME為0.5,NMME為0.47,DSCM為0.12。綜上所述,MGME算法受虛警概率的影響較小,與其他5種算法相比,在低虛警概率情況下,MGME的檢測概率最高。

    圖5 檢測概率與虛警概率之間的關系

    圖6表示各種算法在不同協(xié)作用戶數(shù)情況下的檢測性能,其中Pfa=0.05,SNR=-9 dB,N=200。由仿真曲線可知,MGME、RMET、AMME、AME和NMME五種算法的檢測概率隨協(xié)作用戶數(shù)的增加而逐步增大,而DSCM算法的檢測概率隨協(xié)作用戶數(shù)的增大而逐步減小。在相同條件下,MGME算法的關系曲線略高于RMET的關系曲線,遠高于AMME、AME、NMME和DSCM四種算法的關系曲線。在協(xié)作用戶數(shù)M=6處,MGME算法的檢測概率為0.95,RMET

    圖6 檢測概率與協(xié)作用戶數(shù)之間的關系

    為0.92,AMME為0.73,AME為0.68,NMME為0.57,DSCM為0.45。當M=8時,MGME算法的檢測概率已接近1。綜上所述,通過增加協(xié)作用戶數(shù)均能提高MGME、RMET、AME、AMME和LED五種算法的檢測性能,但在低協(xié)作用戶數(shù)條件下,MGME具有更好的檢測性能。

    4 結論

    本文根據(jù)最大特征值的分布特性,提出了一種基于樣本協(xié)方差矩陣最大特征值與幾何平均特征值比值的算法。該算法不需要知道主用戶的任何先驗信息,不敏感于噪聲,對相關信號和iid信號都有較高的檢測性能。與AME、AMME、NMME和RMET等算法相比,本文算法能獲得更好的檢測性能,具有一定的優(yōu)越性。

    [1] Tandra R, Sahai A. SNR walls for signal detection[J]. IEEE Journal of Selected Topics in Signal Processing, 2008, 2(1): 4-17.

    [2] Cabric D, Mishra S M, Brodersen R W. Implementation issues in spectrum sensing for cognitive radios[A]. Proceedings of 38th Asilomar Conference on Signals, System and Computers[C]. Piscataway: IEEE, 2004: 772-776.

    [3] Sutton P D, Nolan K E, Doyle L E. Cyclostationary signatures in practical cognitive radio applications[J]. IEEE Journal on Selected Areas in Communications, 2008, 26(1): 13-24.

    [4] Urkowitz H. Energy detection of unknown deterministic signals[J]. Proceedings of the IEEE, 1967, 55(4): 523-531.

    [5] Hamid M, Bjorsell N, Slimane S B. Energy and eigenvalue based combined fully blind self adapted spectrum sensing algorithm[J]. IEEE Transactions on Vehicular Technology, 2016, 65(2): 630-642.

    [6] Zhou F H, Beaulieu N C, Li Z, et al. Feasibility of maximum eigenvalue cooperative spectrum sensing based on Cholesky factorisation[J]. IET Communications, 2016, 10(2): 199-206.

    [7] Jia M, Wang X, Ben F, et al. An improved spectrum sensing algorithm based on energy detection and covariance detection[A]. ICCC 2015: 2015 IEEE/CIC International Conference on Communications[C]. Shenzhen: IEEE, 2015: 1-5.

    [8] Hanafi E, Martin P A, Smith P J, et al. On the distribution of detection delay for quickest spectrum sensing[J]. IEEE Transactions on Communications, 2016, 64(2): 502-510.

    [9] Ahmed A, Hu Y F, Noras J M, et al. Random matrix theory based spectrum sensing for cognitive radio networks[A].ITA 2015: Internet Technologies and Applications[C]. Wrexham: IEEE, 2015: 479-483.

    [10]楊 智, 徐家品. 基于最小特征值分布的頻譜感知算法[J]. 計算機應用, 2015, 35(2): 354-357.

    [11] 劉會衡, 鄧小鴻, 陳 偉. 一種基于特征值的多天線認知無線電盲感知算法[J]. 計算機應用研究, 2015, 32(1): 191-193.

    [12] Lei K J, Yang X, Peng S L, et al. Determinant of the sample covariance matrix based spectrum sensing algorithm for cognitive Radio[A]. WiCOM 2011: 2011 7th International Conference on Wireless Communications, Networking and Mobile Computing[C]. Wuhan: IEEE, 2011: 1-4.

    [13] 徐家品, 楊 智. 基于隨機矩陣特征值比的頻譜感知改進算法[J]. 電波科學學報, 2015, (2): 282-288.

    [14] 彌 寅, 盧光躍. 基于特征值極限分布的合作頻譜感知算法[J]. 通信學報, 2015, 36(1): 84-89.

    [15] Zeng Y H, Liang Y C. Maximum-minimum eigenvalue detection for cognitive radio[A]. 2007 IEEE 18th International Symposium on Personal, Indoor and Mobile Radio Communications[C]. Athens: IEEE, 2007: 1-5.

    [16] Penna F, Garello R, Spirito A M. Cooperative spectrum sensing based on the limiting eigenvalue ratio distribution in wishart matrices[J]. IEEE Communications Letters, 2009, 13(7): 507-509.

    Spectrum Sensing Algorithm Based on Maximum Eigenvalue Distribution of Random Matrix

    He Xi1, Yang Xuemei2, Xu Jiapin1

    (1.College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China;2.Jinjiang College, Sichuan University, Pengshan 620860, China)

    The sensing performance in existing algorithms is low at low SNR, and is highly influenced by the false-alarm probability. Aiming at this problem, using Wishart random matrix theory, a spectrum sensing algorithm based on the distribution characteristics of the maximum eigenvalue of the sampled covariance matrix was proposed. The ratio of maximum eigenvalue and geometric mean eigenvalue is calculated in the algorithm, and no prior knowledges of primary signal are needed. Not sensitive to noise uncertainty, but the algorithm has high detection performance to the related signals and the independent and identically distributed signals. The simulation results show that the proposed algorithm is less affected by the false-alarm probability and high detection performance, and can also get better sensing performance even under the conditions of few number of cooperative users and samples, low SNR and false-alarm probability.

    spectrum sensing; random matrix; sample covariance matrix; maximum eigenvalue; geometric mean eigenvalue

    2016-08-01;

    2016-08-27。

    何 希(1991-),女,四川遂寧人,碩士,主要從事通信與信息系統(tǒng)方向的研究。

    徐家品(1957-),男,四川成都人,教授,主要從事通信與信息系統(tǒng)方向的研究。

    1671-4598(2017)02-0123-03

    10.16526/j.cnki.11-4762/tp.2017.02.034

    TN92

    A

    猜你喜歡
    用戶數(shù)特征值協(xié)作
    一類帶強制位勢的p-Laplace特征值問題
    單圈圖關聯(lián)矩陣的特征值
    團結協(xié)作成功易
    協(xié)作
    讀者(2017年14期)2017-06-27 12:27:06
    協(xié)作
    讀寫算(下)(2016年9期)2016-02-27 08:46:31
    基于VBS實現(xiàn)BRAS在線用戶數(shù)的自動提取
    基于商奇異值分解的一類二次特征值反問題
    可與您并肩協(xié)作的UR3
    關于兩個M-矩陣Hadamard積的特征值的新估計
    2016年6月電話用戶分省情況
    電信科學(2014年8期)2014-03-26 20:06:26
    国产三级在线视频| 国内精品美女久久久久久| 窝窝影院91人妻| 精品久久久久久成人av| 欧美xxxx性猛交bbbb| 国产精品一区www在线观看 | 一级黄片播放器| 亚洲av成人av| 又黄又爽又免费观看的视频| 一本一本综合久久| 五月伊人婷婷丁香| 少妇高潮的动态图| 中文字幕久久专区| 中文字幕免费在线视频6| 亚洲精品456在线播放app | 久久久午夜欧美精品| 不卡一级毛片| 日本黄色视频三级网站网址| 欧美激情久久久久久爽电影| 欧美激情久久久久久爽电影| 一个人看的www免费观看视频| 亚洲午夜理论影院| 亚洲久久久久久中文字幕| 简卡轻食公司| 美女xxoo啪啪120秒动态图| 色在线成人网| 看片在线看免费视频| 成年免费大片在线观看| 国产精品久久久久久av不卡| 亚洲熟妇熟女久久| 精品国产三级普通话版| 22中文网久久字幕| 国语自产精品视频在线第100页| 欧美激情国产日韩精品一区| 国产v大片淫在线免费观看| 一边摸一边抽搐一进一小说| 免费大片18禁| 亚洲av免费在线观看| 国产爱豆传媒在线观看| 欧美激情国产日韩精品一区| 国产探花极品一区二区| 欧美日韩国产亚洲二区| 久久久久久久久中文| 看黄色毛片网站| 在线播放无遮挡| 亚洲欧美激情综合另类| 亚洲av日韩精品久久久久久密| 免费不卡的大黄色大毛片视频在线观看 | 亚洲 国产 在线| 国产精品亚洲一级av第二区| 99视频精品全部免费 在线| 免费av不卡在线播放| 婷婷精品国产亚洲av| 看十八女毛片水多多多| 一个人看的www免费观看视频| 久久久久国产精品人妻aⅴ院| netflix在线观看网站| 亚洲成av人片在线播放无| 国产精品99久久久久久久久| 特级一级黄色大片| 欧美人与善性xxx| 中文字幕免费在线视频6| 99精品久久久久人妻精品| 亚洲av免费在线观看| 999久久久精品免费观看国产| 色5月婷婷丁香| av黄色大香蕉| 高清毛片免费观看视频网站| 亚洲av一区综合| a级毛片免费高清观看在线播放| 91麻豆精品激情在线观看国产| 精品久久久久久久久av| 国产一区二区亚洲精品在线观看| 国产精品一区二区三区四区久久| 九色成人免费人妻av| 免费高清视频大片| 久久久久久国产a免费观看| 亚州av有码| 国内揄拍国产精品人妻在线| 成人毛片a级毛片在线播放| 99久久九九国产精品国产免费| 日韩 亚洲 欧美在线| 国内揄拍国产精品人妻在线| 亚洲成人久久性| 99久久九九国产精品国产免费| netflix在线观看网站| 国产激情偷乱视频一区二区| 99热这里只有是精品50| 久久精品国产鲁丝片午夜精品 | 久久香蕉精品热| 亚洲无线观看免费| 一个人看视频在线观看www免费| 亚洲欧美清纯卡通| 国产精品女同一区二区软件 | 狂野欧美白嫩少妇大欣赏| 美女 人体艺术 gogo| 国产单亲对白刺激| 中文在线观看免费www的网站| 欧美最黄视频在线播放免费| 国产伦在线观看视频一区| 小说图片视频综合网站| 一区二区三区高清视频在线| 欧美高清成人免费视频www| 国产色爽女视频免费观看| 国产大屁股一区二区在线视频| 日韩大尺度精品在线看网址| 中文字幕高清在线视频| 欧美日韩瑟瑟在线播放| 久久久久久久久久久丰满 | 99久久九九国产精品国产免费| 91午夜精品亚洲一区二区三区 | 91精品国产九色| 精品久久久久久久久久免费视频| 色5月婷婷丁香| 国产一级毛片七仙女欲春2| 国产高清视频在线播放一区| 人人妻人人澡欧美一区二区| 欧美黑人欧美精品刺激| 免费搜索国产男女视频| 国内精品久久久久久久电影| 日本一本二区三区精品| 老熟妇乱子伦视频在线观看| 婷婷精品国产亚洲av在线| 亚洲av.av天堂| 精品免费久久久久久久清纯| 热99re8久久精品国产| 精品久久久久久久久久免费视频| 精品福利观看| 日韩欧美精品v在线| a级毛片免费高清观看在线播放| 偷拍熟女少妇极品色| 国语自产精品视频在线第100页| 日本黄色视频三级网站网址| 男女啪啪激烈高潮av片| 3wmmmm亚洲av在线观看| 久久久久久大精品| 午夜精品在线福利| 成人av在线播放网站| 高清日韩中文字幕在线| 噜噜噜噜噜久久久久久91| 亚洲av日韩精品久久久久久密| 少妇裸体淫交视频免费看高清| 69av精品久久久久久| 亚洲va在线va天堂va国产| 长腿黑丝高跟| 天堂动漫精品| 18禁黄网站禁片免费观看直播| 精品一区二区三区视频在线观看免费| 一级黄色大片毛片| 91狼人影院| 三级国产精品欧美在线观看| 一a级毛片在线观看| 天堂动漫精品| 精品久久久久久,| 国产一区二区在线观看日韩| 日本精品一区二区三区蜜桃| 欧美一区二区国产精品久久精品| 国产精品精品国产色婷婷| 日韩欧美精品免费久久| 中文字幕精品亚洲无线码一区| 国产成人av教育| 人妻久久中文字幕网| 在线播放国产精品三级| 人妻丰满熟妇av一区二区三区| 中文资源天堂在线| av天堂中文字幕网| 国产精品久久久久久亚洲av鲁大| 亚洲精品日韩av片在线观看| 国产精品久久久久久亚洲av鲁大| 国产熟女欧美一区二区| 在线观看免费视频日本深夜| 在线国产一区二区在线| 天堂av国产一区二区熟女人妻| 成人精品一区二区免费| 亚洲成av人片在线播放无| 熟妇人妻久久中文字幕3abv| 欧美日韩瑟瑟在线播放| 欧美区成人在线视频| 亚洲成人久久性| 日韩欧美国产一区二区入口| 日韩欧美一区二区三区在线观看| 十八禁网站免费在线| 精品久久国产蜜桃| 免费看美女性在线毛片视频| 国模一区二区三区四区视频| 欧美色视频一区免费| 国产日本99.免费观看| 非洲黑人性xxxx精品又粗又长| 夜夜夜夜夜久久久久| 亚洲在线自拍视频| 日本熟妇午夜| 大型黄色视频在线免费观看| 日韩精品有码人妻一区| 精品久久国产蜜桃| 国产毛片a区久久久久| 特级一级黄色大片| 国内精品一区二区在线观看| 国产毛片a区久久久久| 1000部很黄的大片| 国产精品一及| 91在线精品国自产拍蜜月| 能在线免费观看的黄片| 尤物成人国产欧美一区二区三区| 国内精品久久久久精免费| 尾随美女入室| ponron亚洲| 天堂动漫精品| 99精品久久久久人妻精品| 啦啦啦观看免费观看视频高清| av福利片在线观看| 亚洲成人精品中文字幕电影| 有码 亚洲区| 春色校园在线视频观看| 内地一区二区视频在线| 中文亚洲av片在线观看爽| 国产精品久久久久久亚洲av鲁大| 久久中文看片网| 69av精品久久久久久| 国产v大片淫在线免费观看| 婷婷亚洲欧美| 九九久久精品国产亚洲av麻豆| 久久亚洲真实| 91麻豆av在线| 伦精品一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 久久人妻av系列| 欧美极品一区二区三区四区| 国产麻豆成人av免费视频| 久久久久性生活片| 熟女人妻精品中文字幕| 国产欧美日韩一区二区精品| av女优亚洲男人天堂| 亚洲图色成人| 午夜日韩欧美国产| 变态另类成人亚洲欧美熟女| 免费看a级黄色片| 中文字幕熟女人妻在线| 人妻少妇偷人精品九色| 午夜久久久久精精品| 欧美精品啪啪一区二区三区| 日本与韩国留学比较| 国产精品日韩av在线免费观看| 午夜福利视频1000在线观看| av黄色大香蕉| 动漫黄色视频在线观看| 少妇被粗大猛烈的视频| 噜噜噜噜噜久久久久久91| 色播亚洲综合网| а√天堂www在线а√下载| 男女视频在线观看网站免费| 久久午夜亚洲精品久久| 国产欧美日韩一区二区精品| 热99re8久久精品国产| 成熟少妇高潮喷水视频| 天堂av国产一区二区熟女人妻| 日韩,欧美,国产一区二区三区 | 18+在线观看网站| 在线观看66精品国产| 久久精品人妻少妇| 黄片wwwwww| 少妇猛男粗大的猛烈进出视频 | 夜夜爽天天搞| 免费搜索国产男女视频| xxxwww97欧美| 国产伦精品一区二区三区四那| 女同久久另类99精品国产91| 国产高清激情床上av| 亚洲国产精品成人综合色| 直男gayav资源| 看免费成人av毛片| www日本黄色视频网| 一夜夜www| 欧美成人免费av一区二区三区| 欧美日本视频| 国产一级毛片七仙女欲春2| 国产真实伦视频高清在线观看 | 亚洲一区高清亚洲精品| 亚洲精华国产精华液的使用体验 | 成人av在线播放网站| 欧美另类亚洲清纯唯美| 看黄色毛片网站| 男人舔奶头视频| 极品教师在线免费播放| bbb黄色大片| 色综合婷婷激情| 91午夜精品亚洲一区二区三区 | 日韩欧美国产在线观看| 99久久九九国产精品国产免费| 成人三级黄色视频| 国产黄色小视频在线观看| 欧美色欧美亚洲另类二区| 窝窝影院91人妻| 久久精品人妻少妇| 91久久精品国产一区二区三区| 成年女人毛片免费观看观看9| 日韩一区二区视频免费看| 日韩在线高清观看一区二区三区 | ponron亚洲| 久久人人精品亚洲av| 我的女老师完整版在线观看| 亚洲av免费在线观看| 亚洲国产欧美人成| 三级男女做爰猛烈吃奶摸视频| 亚洲美女黄片视频| 亚洲精品影视一区二区三区av| 黄色丝袜av网址大全| 一个人看视频在线观看www免费| 国内少妇人妻偷人精品xxx网站| 自拍偷自拍亚洲精品老妇| 亚洲国产欧美人成| 午夜激情福利司机影院| 91在线观看av| 无遮挡黄片免费观看| 亚洲欧美日韩卡通动漫| 国产精品久久久久久久久免| 成人高潮视频无遮挡免费网站| 精品一区二区免费观看| 99久久精品国产国产毛片| 精品一区二区三区av网在线观看| 亚洲中文字幕一区二区三区有码在线看| 99久久中文字幕三级久久日本| 给我免费播放毛片高清在线观看| 级片在线观看| 看免费成人av毛片| 亚洲乱码一区二区免费版| 亚洲精品粉嫩美女一区| 俺也久久电影网| 成人鲁丝片一二三区免费| 日韩一区二区视频免费看| 精品不卡国产一区二区三区| 午夜福利欧美成人| 日日干狠狠操夜夜爽| 国产单亲对白刺激| 少妇的逼水好多| 色哟哟哟哟哟哟| 国产91精品成人一区二区三区| 男女之事视频高清在线观看| 女人被狂操c到高潮| 可以在线观看毛片的网站| 亚洲中文字幕一区二区三区有码在线看| 亚洲美女黄片视频| a级毛片免费高清观看在线播放| 久久精品国产亚洲网站| 亚洲午夜理论影院| 3wmmmm亚洲av在线观看| 日韩av在线大香蕉| 十八禁国产超污无遮挡网站| 全区人妻精品视频| 九色成人免费人妻av| 精品日产1卡2卡| 国产熟女欧美一区二区| 天堂动漫精品| 亚洲四区av| 国产综合懂色| 国产高清不卡午夜福利| av国产免费在线观看| 久久6这里有精品| av黄色大香蕉| 一区二区三区高清视频在线| 亚洲熟妇中文字幕五十中出| 少妇猛男粗大的猛烈进出视频 | 日日摸夜夜添夜夜添av毛片 | 国产日本99.免费观看| 亚洲va日本ⅴa欧美va伊人久久| 搡女人真爽免费视频火全软件 | 嫩草影院精品99| bbb黄色大片| 看十八女毛片水多多多| 97超视频在线观看视频| 99热6这里只有精品| 久久久久久久久久成人| 日本 av在线| 乱系列少妇在线播放| 成人永久免费在线观看视频| 亚洲综合色惰| 久久久国产成人精品二区| 欧美最新免费一区二区三区| 国产精品一区二区三区四区久久| 午夜激情欧美在线| 日韩欧美在线乱码| 久久精品久久久久久噜噜老黄 | 他把我摸到了高潮在线观看| 欧美黑人巨大hd| 欧美xxxx性猛交bbbb| 国产精品乱码一区二三区的特点| 欧美一区二区精品小视频在线| 国产精品女同一区二区软件 | 波野结衣二区三区在线| 久久精品久久久久久噜噜老黄 | 国产欧美日韩一区二区精品| 亚洲国产日韩欧美精品在线观看| 丰满的人妻完整版| 国产中年淑女户外野战色| 黄色配什么色好看| 色吧在线观看| 美女 人体艺术 gogo| 黄色一级大片看看| 91麻豆精品激情在线观看国产| 在线免费十八禁| 又黄又爽又免费观看的视频| 亚洲熟妇熟女久久| 成人亚洲精品av一区二区| 欧美日韩黄片免| 99九九线精品视频在线观看视频| 如何舔出高潮| 人妻制服诱惑在线中文字幕| 又粗又爽又猛毛片免费看| 国产免费av片在线观看野外av| 岛国在线免费视频观看| 国产成人aa在线观看| 亚洲av成人精品一区久久| 夜夜看夜夜爽夜夜摸| 国产精品国产三级国产av玫瑰| 真人一进一出gif抽搐免费| 国产伦精品一区二区三区四那| 国产三级中文精品| 国产黄色小视频在线观看| 亚洲av电影不卡..在线观看| 国产精品亚洲一级av第二区| 亚洲熟妇熟女久久| 亚洲欧美激情综合另类| 成人国产综合亚洲| 99热只有精品国产| 1024手机看黄色片| 在线国产一区二区在线| www日本黄色视频网| 男人和女人高潮做爰伦理| 99热这里只有精品一区| 在线观看66精品国产| 久久精品国产清高在天天线| 成年人黄色毛片网站| 国产精品人妻久久久久久| 久久精品国产清高在天天线| 日本黄色片子视频| 亚洲中文字幕一区二区三区有码在线看| 69人妻影院| 日韩大尺度精品在线看网址| 亚洲美女视频黄频| 日本黄色片子视频| 欧美日韩黄片免| 丝袜美腿在线中文| 国产精品人妻久久久久久| 免费av毛片视频| 久久草成人影院| 日韩欧美 国产精品| 国产精品女同一区二区软件 | 麻豆久久精品国产亚洲av| 亚洲性夜色夜夜综合| 直男gayav资源| 免费看a级黄色片| 简卡轻食公司| 热99在线观看视频| 岛国在线免费视频观看| 最近最新中文字幕大全电影3| 自拍偷自拍亚洲精品老妇| 日本欧美国产在线视频| 日韩精品中文字幕看吧| 久久久久久国产a免费观看| 国产 一区 欧美 日韩| 久久国产乱子免费精品| 乱系列少妇在线播放| 黄色日韩在线| 嫩草影院新地址| 久久久久久久久中文| 亚洲精品日韩av片在线观看| 免费人成视频x8x8入口观看| 欧美最黄视频在线播放免费| 波多野结衣高清无吗| 在线观看午夜福利视频| 成人综合一区亚洲| 午夜免费成人在线视频| 男女视频在线观看网站免费| 国产aⅴ精品一区二区三区波| 成人三级黄色视频| 久久天躁狠狠躁夜夜2o2o| av在线老鸭窝| 午夜影院日韩av| 国产淫片久久久久久久久| 白带黄色成豆腐渣| a级毛片a级免费在线| 久久久精品大字幕| 亚州av有码| 黄色丝袜av网址大全| 男女下面进入的视频免费午夜| 两人在一起打扑克的视频| 免费在线观看影片大全网站| 一个人观看的视频www高清免费观看| 国产亚洲精品av在线| 亚洲精品色激情综合| 日韩欧美在线二视频| 人人妻,人人澡人人爽秒播| 久久久色成人| 三级男女做爰猛烈吃奶摸视频| 亚洲av一区综合| 在线国产一区二区在线| 99在线人妻在线中文字幕| 免费黄网站久久成人精品| 亚洲成人精品中文字幕电影| 午夜激情欧美在线| 亚洲经典国产精华液单| 久久久精品欧美日韩精品| 黄色丝袜av网址大全| 欧美又色又爽又黄视频| 99久久精品国产国产毛片| .国产精品久久| 岛国在线免费视频观看| 看片在线看免费视频| 亚洲av.av天堂| 国产精品久久久久久久久免| 国内少妇人妻偷人精品xxx网站| 日本欧美国产在线视频| 日本黄大片高清| 亚洲av免费高清在线观看| 亚洲av二区三区四区| 国产精品自产拍在线观看55亚洲| 精品久久久噜噜| 国产蜜桃级精品一区二区三区| 又爽又黄无遮挡网站| 日韩人妻高清精品专区| 国产亚洲av嫩草精品影院| 亚洲经典国产精华液单| 国产黄色小视频在线观看| 人人妻人人看人人澡| АⅤ资源中文在线天堂| 国产aⅴ精品一区二区三区波| 午夜福利18| 熟女人妻精品中文字幕| 熟女电影av网| 夜夜爽天天搞| 熟妇人妻久久中文字幕3abv| 亚洲最大成人av| 国产探花在线观看一区二区| 国产精品一及| 国产精品久久电影中文字幕| 99国产极品粉嫩在线观看| 午夜精品久久久久久毛片777| 欧美区成人在线视频| 男女之事视频高清在线观看| 国产午夜精品论理片| 日韩欧美免费精品| 亚洲国产精品合色在线| 成人午夜高清在线视频| 国产白丝娇喘喷水9色精品| 日韩av在线大香蕉| 黄色配什么色好看| 毛片一级片免费看久久久久 | 91久久精品电影网| 男人和女人高潮做爰伦理| av.在线天堂| 亚洲最大成人手机在线| 色哟哟哟哟哟哟| 日本欧美国产在线视频| 变态另类成人亚洲欧美熟女| 91在线精品国自产拍蜜月| 午夜免费男女啪啪视频观看 | 国产精品一及| 久久久久久久久久久丰满 | 亚洲黑人精品在线| 国内精品一区二区在线观看| 一区二区三区四区激情视频 | 综合色av麻豆| 99精品在免费线老司机午夜| 久久人人爽人人爽人人片va| 国产色婷婷99| 在线免费观看的www视频| 中文字幕久久专区| 国产精品一区二区三区四区久久| 午夜精品一区二区三区免费看| 精品乱码久久久久久99久播| 国产色爽女视频免费观看| 亚洲一级一片aⅴ在线观看| 十八禁国产超污无遮挡网站| 日本精品一区二区三区蜜桃| 国产精品野战在线观看| 欧美性猛交黑人性爽| 午夜日韩欧美国产| 亚洲无线在线观看| 欧美激情国产日韩精品一区| 亚洲aⅴ乱码一区二区在线播放| 九九在线视频观看精品| 久久久色成人| 一级av片app| 国产男靠女视频免费网站| 欧美成人免费av一区二区三区| 国产精品av视频在线免费观看| 老师上课跳d突然被开到最大视频| 日日撸夜夜添| 国内精品久久久久精免费| 免费高清视频大片| 中文字幕久久专区| 亚洲av免费在线观看| 一本精品99久久精品77| 国产私拍福利视频在线观看| 日本三级黄在线观看| 一a级毛片在线观看| 成熟少妇高潮喷水视频| 色在线成人网| 夜夜夜夜夜久久久久| 无遮挡黄片免费观看| 97超级碰碰碰精品色视频在线观看| 日韩人妻高清精品专区| 国产成人aa在线观看| 国产爱豆传媒在线观看| 国产人妻一区二区三区在| 国产高清视频在线播放一区| 成人av在线播放网站| 久久久午夜欧美精品| 久久精品国产亚洲网站| 午夜福利18| 一卡2卡三卡四卡精品乱码亚洲| 婷婷六月久久综合丁香| 久久人妻av系列| 国产av不卡久久| 91在线观看av| 狠狠狠狠99中文字幕|