• <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
    tocl精华| 国产伦精品一区二区三区视频9 | 国产精品综合久久久久久久免费| 免费观看的影片在线观看| 老汉色∧v一级毛片| 免费观看人在逋| 亚洲国产精品sss在线观看| 亚洲第一电影网av| 日本 欧美在线| 黄色女人牲交| 欧美大码av| 嫁个100分男人电影在线观看| 日韩欧美三级三区| 免费看光身美女| 高清在线国产一区| 色综合欧美亚洲国产小说| 熟女人妻精品中文字幕| 成人性生交大片免费视频hd| 午夜精品在线福利| 18禁裸乳无遮挡免费网站照片| 午夜亚洲福利在线播放| 我要搜黄色片| 亚洲精品美女久久av网站| 九色成人免费人妻av| 19禁男女啪啪无遮挡网站| 99在线人妻在线中文字幕| 国产亚洲欧美在线一区二区| 99在线人妻在线中文字幕| 深夜精品福利| 一级a爱片免费观看的视频| 中文字幕人成人乱码亚洲影| 一区福利在线观看| 国产免费av片在线观看野外av| 在线观看一区二区三区| 亚洲片人在线观看| 国产免费av片在线观看野外av| 亚洲美女黄片视频| 麻豆一二三区av精品| 99久久精品一区二区三区| 一级毛片精品| 国内精品久久久久精免费| 成人欧美大片| 国产亚洲精品av在线| 国产免费男女视频| 757午夜福利合集在线观看| 欧美日韩瑟瑟在线播放| 欧美激情久久久久久爽电影| 黄色日韩在线| 国产一级毛片七仙女欲春2| 精品电影一区二区在线| 午夜免费成人在线视频| 97碰自拍视频| 国产男靠女视频免费网站| 亚洲成人中文字幕在线播放| 丰满的人妻完整版| 九色成人免费人妻av| 国产成年人精品一区二区| 欧美日韩中文字幕国产精品一区二区三区| 岛国视频午夜一区免费看| 一进一出好大好爽视频| 国产精品一区二区三区四区久久| 变态另类丝袜制服| 国产精品精品国产色婷婷| 亚洲欧美日韩卡通动漫| 又大又爽又粗| 精品熟女少妇八av免费久了| 在线免费观看不下载黄p国产 | 成年人黄色毛片网站| 最近在线观看免费完整版| 女警被强在线播放| 亚洲一区高清亚洲精品| 成年女人毛片免费观看观看9| 亚洲国产中文字幕在线视频| www.熟女人妻精品国产| 中文字幕最新亚洲高清| 欧美中文综合在线视频| 国产综合懂色| 窝窝影院91人妻| 国产激情偷乱视频一区二区| 真人做人爱边吃奶动态| 国产1区2区3区精品| 一级毛片女人18水好多| 真实男女啪啪啪动态图| 午夜久久久久精精品| 国产精品一区二区免费欧美| 国产激情欧美一区二区| 人人妻人人看人人澡| 欧美绝顶高潮抽搐喷水| 好看av亚洲va欧美ⅴa在| 亚洲专区字幕在线| 久久久久国产精品人妻aⅴ院| 国产精品98久久久久久宅男小说| 一二三四在线观看免费中文在| 国产99白浆流出| 精品人妻1区二区| 久久婷婷人人爽人人干人人爱| 欧美黄色片欧美黄色片| 国产午夜精品久久久久久| 亚洲熟妇熟女久久| 深夜精品福利| 成年女人永久免费观看视频| 久久久久久久久久黄片| 国产欧美日韩精品亚洲av| 亚洲精品粉嫩美女一区| 国产精品自产拍在线观看55亚洲| 午夜福利免费观看在线| 久久中文字幕一级| 欧美成人一区二区免费高清观看 | 久久久久久久久免费视频了| 色av中文字幕| www.精华液| 欧美中文综合在线视频| 国产av麻豆久久久久久久| 国产熟女xx| 成年版毛片免费区| 九九在线视频观看精品| 人妻夜夜爽99麻豆av| 午夜免费成人在线视频| 亚洲欧美日韩无卡精品| 色综合亚洲欧美另类图片| 久久婷婷人人爽人人干人人爱| 97超视频在线观看视频| 天堂√8在线中文| 国产精品日韩av在线免费观看| 听说在线观看完整版免费高清| 嫩草影院入口| 一级作爱视频免费观看| e午夜精品久久久久久久| 成熟少妇高潮喷水视频| 久久久精品大字幕| 中文资源天堂在线| 亚洲熟女毛片儿| 1000部很黄的大片| 国产三级在线视频| 国内揄拍国产精品人妻在线| 国产精品一及| 波多野结衣高清作品| 亚洲中文av在线| 国产高清激情床上av| 热99在线观看视频| 国产精品一区二区三区四区久久| 国内毛片毛片毛片毛片毛片| 夜夜爽天天搞| 在线观看免费午夜福利视频| 久久久国产成人精品二区| 伦理电影免费视频| 国产伦精品一区二区三区四那| 天堂av国产一区二区熟女人妻| 一本综合久久免费| 又黄又爽又免费观看的视频| 全区人妻精品视频| 亚洲一区二区三区色噜噜| 国产午夜福利久久久久久| 无遮挡黄片免费观看| 色在线成人网| 97人妻精品一区二区三区麻豆| 天堂√8在线中文| 亚洲无线在线观看| 久久中文字幕一级| 男女视频在线观看网站免费| 精品久久久久久久末码| 成人性生交大片免费视频hd| 色av中文字幕| 免费在线观看日本一区| 搞女人的毛片| 亚洲 欧美 日韩 在线 免费| 久久久久亚洲av毛片大全| 黄色女人牲交| 国产av不卡久久| cao死你这个sao货| av女优亚洲男人天堂 | 国产毛片a区久久久久| 麻豆久久精品国产亚洲av| 成人三级黄色视频| 麻豆国产97在线/欧美| 日韩欧美免费精品| 免费人成视频x8x8入口观看| 女警被强在线播放| 两人在一起打扑克的视频| 精品国产乱子伦一区二区三区| 久久精品亚洲精品国产色婷小说| 不卡一级毛片| 日韩 欧美 亚洲 中文字幕| 麻豆国产97在线/欧美| 岛国在线免费视频观看| 免费看十八禁软件| 美女高潮的动态| 亚洲人成网站高清观看| 国产精品一区二区三区四区免费观看 | 国内精品一区二区在线观看| 欧美三级亚洲精品| 中文字幕人成人乱码亚洲影| 九九热线精品视视频播放| 69av精品久久久久久| 久久久久久国产a免费观看| 午夜福利免费观看在线| 婷婷亚洲欧美| 国产亚洲精品av在线| 日韩大尺度精品在线看网址| 99国产精品99久久久久| 激情在线观看视频在线高清| 亚洲专区中文字幕在线| 深夜精品福利| 嫩草影院入口| 亚洲第一欧美日韩一区二区三区| 亚洲av片天天在线观看| 精品国产超薄肉色丝袜足j| 亚洲国产看品久久| 综合色av麻豆| 久久久色成人| 天堂影院成人在线观看| 成人国产综合亚洲| av天堂在线播放| 日韩三级视频一区二区三区| 桃红色精品国产亚洲av| 校园春色视频在线观看| 天堂av国产一区二区熟女人妻| 国产亚洲av高清不卡| 久久久久亚洲av毛片大全| 久久久水蜜桃国产精品网| 老鸭窝网址在线观看| 成年免费大片在线观看| 精品国内亚洲2022精品成人| 日本熟妇午夜| 最好的美女福利视频网| 麻豆国产97在线/欧美| 久久九九热精品免费| 午夜久久久久精精品| 黄色成人免费大全| 五月伊人婷婷丁香| 免费观看人在逋| 国产成人欧美在线观看| 午夜日韩欧美国产| 日韩免费av在线播放| 国产精品九九99| 国产亚洲av嫩草精品影院| 精品久久久久久成人av| 欧美日韩瑟瑟在线播放| 亚洲成人中文字幕在线播放| 搡老妇女老女人老熟妇| 久久久久性生活片| 中文字幕av在线有码专区| 日本免费一区二区三区高清不卡| 日韩欧美三级三区| 午夜福利在线观看吧| 制服人妻中文乱码| 免费看光身美女| 巨乳人妻的诱惑在线观看| 午夜亚洲福利在线播放| 免费在线观看成人毛片| 真人做人爱边吃奶动态| 欧美一区二区精品小视频在线| 亚洲熟妇中文字幕五十中出| 欧美乱妇无乱码| 国内久久婷婷六月综合欲色啪| 国产精品1区2区在线观看.| 国产一区二区在线观看日韩 | 人人妻人人澡欧美一区二区| 国产成年人精品一区二区| 亚洲精品久久国产高清桃花| 国产单亲对白刺激| 成人永久免费在线观看视频| 男女午夜视频在线观看| 国产精品自产拍在线观看55亚洲| 午夜激情欧美在线| 国产熟女xx| 久久久国产欧美日韩av| 免费观看人在逋| 欧美日韩福利视频一区二区| 日日夜夜操网爽| 国内少妇人妻偷人精品xxx网站 | 特大巨黑吊av在线直播| 国产精品99久久久久久久久| 婷婷精品国产亚洲av在线| 观看美女的网站| 亚洲男人的天堂狠狠| 曰老女人黄片| 久久精品夜夜夜夜夜久久蜜豆| 欧美黑人巨大hd| 最新美女视频免费是黄的| 在线a可以看的网站| 在线免费观看的www视频| 午夜精品在线福利| 一级毛片女人18水好多| 又粗又爽又猛毛片免费看| 嫩草影院精品99| 欧美黄色淫秽网站| 国产精品乱码一区二三区的特点| 在线观看一区二区三区| www.www免费av| 99热精品在线国产| 国产乱人视频| 国产精品av久久久久免费| 欧美3d第一页| 亚洲午夜精品一区,二区,三区| 午夜a级毛片| 国产成人影院久久av| 精品国产乱子伦一区二区三区| 亚洲熟女毛片儿| 老汉色av国产亚洲站长工具| 国产成人aa在线观看| 中文字幕久久专区| 久久久久久九九精品二区国产| 综合色av麻豆| 成人三级做爰电影| 亚洲专区国产一区二区| 九九久久精品国产亚洲av麻豆 | 99久久国产精品久久久| 国产成人av激情在线播放| 人妻夜夜爽99麻豆av| 久久久久久国产a免费观看| 亚洲成a人片在线一区二区| 超碰成人久久| 国产蜜桃级精品一区二区三区| 国产亚洲精品久久久com| 亚洲 欧美一区二区三区| 日本五十路高清| 国产成人精品久久二区二区91| 久久人妻av系列| 又紧又爽又黄一区二区| 亚洲精品美女久久av网站| www国产在线视频色| 国产熟女xx| 99久久精品热视频| 桃红色精品国产亚洲av| 免费一级毛片在线播放高清视频| 精品人妻1区二区| 国产黄色小视频在线观看| 国产v大片淫在线免费观看| 手机成人av网站| 深夜精品福利| 日本撒尿小便嘘嘘汇集6| 老司机在亚洲福利影院| 久久天堂一区二区三区四区| 一本久久中文字幕| 亚洲欧美日韩高清在线视频| 亚洲 国产 在线| 亚洲欧美一区二区三区黑人| 一本精品99久久精品77| 国产高清视频在线播放一区| 叶爱在线成人免费视频播放| 一卡2卡三卡四卡精品乱码亚洲| 亚洲熟女毛片儿| 久久精品综合一区二区三区| 欧美丝袜亚洲另类 | 亚洲熟女毛片儿| 久久久久久久午夜电影| 国产成人欧美在线观看| 激情在线观看视频在线高清| 五月玫瑰六月丁香| 狂野欧美白嫩少妇大欣赏| 天天一区二区日本电影三级| 一进一出好大好爽视频| 国产成人影院久久av| 亚洲av片天天在线观看| avwww免费| 午夜精品在线福利| 可以在线观看毛片的网站| 此物有八面人人有两片| 国产高清有码在线观看视频| 久久午夜综合久久蜜桃| 黄色 视频免费看| 中文字幕熟女人妻在线| www.精华液| 12—13女人毛片做爰片一| 舔av片在线| 欧美日韩亚洲国产一区二区在线观看| 国产黄片美女视频| 精品乱码久久久久久99久播| 午夜激情欧美在线| 婷婷亚洲欧美| 天堂动漫精品| 在线看三级毛片| 亚洲精品一卡2卡三卡4卡5卡| 亚洲18禁久久av| 桃色一区二区三区在线观看| 婷婷亚洲欧美| 亚洲国产欧洲综合997久久,| 首页视频小说图片口味搜索| 高清毛片免费观看视频网站| 看片在线看免费视频| 99re在线观看精品视频| 禁无遮挡网站| 搡老熟女国产l中国老女人| 黄片小视频在线播放| 中文字幕精品亚洲无线码一区| 激情在线观看视频在线高清| 九色成人免费人妻av| av片东京热男人的天堂| 国产亚洲av高清不卡| 中文字幕熟女人妻在线| 国产精品永久免费网站| 嫩草影视91久久| 欧美xxxx黑人xx丫x性爽| 中文字幕久久专区| 久久国产乱子伦精品免费另类| 久久精品91无色码中文字幕| 亚洲av中文字字幕乱码综合| 五月伊人婷婷丁香| 精品久久久久久久末码| 天堂av国产一区二区熟女人妻| 日韩 欧美 亚洲 中文字幕| 亚洲欧美日韩高清专用| 国产熟女xx| 亚洲av免费在线观看| 特大巨黑吊av在线直播| 悠悠久久av| 亚洲av第一区精品v没综合| 精品久久久久久久久久免费视频| 国产av在哪里看| 午夜福利视频1000在线观看| 看黄色毛片网站| 久久久成人免费电影| 在线免费观看不下载黄p国产 | 国产精品一区二区精品视频观看| 深夜精品福利| 精品日产1卡2卡| 国产精品综合久久久久久久免费| 欧美成人性av电影在线观看| 国产激情偷乱视频一区二区| av国产免费在线观看| 男插女下体视频免费在线播放| 中文字幕高清在线视频| 亚洲片人在线观看| 午夜精品在线福利| 欧美乱色亚洲激情| 久久这里只有精品中国| 好男人在线观看高清免费视频| 亚洲午夜精品一区,二区,三区| 亚洲精品美女久久久久99蜜臀| 国产精品亚洲av一区麻豆| 又紧又爽又黄一区二区| 一个人免费在线观看电影 | 国产成年人精品一区二区| 老司机午夜十八禁免费视频| 国产精品一区二区精品视频观看| 午夜福利免费观看在线| 中文在线观看免费www的网站| 亚洲欧美日韩无卡精品| 国产亚洲精品久久久com| 超碰成人久久| 19禁男女啪啪无遮挡网站| 精品久久久久久久久久久久久| 亚洲乱码一区二区免费版| 黄片大片在线免费观看| 又黄又粗又硬又大视频| 亚洲av日韩精品久久久久久密| 日本在线视频免费播放| 免费看a级黄色片| 国产欧美日韩一区二区精品| 成年版毛片免费区| 国产一区二区三区在线臀色熟女| 欧美国产日韩亚洲一区| www.自偷自拍.com| 久久久久九九精品影院| 少妇熟女aⅴ在线视频| 长腿黑丝高跟| 欧洲精品卡2卡3卡4卡5卡区| 亚洲人成网站高清观看| 欧美绝顶高潮抽搐喷水| 亚洲精品美女久久av网站| 国产人伦9x9x在线观看| 成人三级黄色视频| 狂野欧美白嫩少妇大欣赏| 国产午夜福利久久久久久| 国产成人精品无人区| 在线观看舔阴道视频| 床上黄色一级片| 真实男女啪啪啪动态图| 日韩 欧美 亚洲 中文字幕| 亚洲成a人片在线一区二区| 九九在线视频观看精品| 欧美激情在线99| 国产亚洲精品综合一区在线观看| 99热只有精品国产| 日本在线视频免费播放| 啦啦啦免费观看视频1| e午夜精品久久久久久久| 免费在线观看影片大全网站| 桃红色精品国产亚洲av| 老司机在亚洲福利影院| 天天添夜夜摸| 国产伦精品一区二区三区四那| 午夜免费观看网址| 欧美中文综合在线视频| 亚洲乱码一区二区免费版| 午夜激情欧美在线| 999久久久精品免费观看国产| 亚洲aⅴ乱码一区二区在线播放| 欧美乱码精品一区二区三区| 久久久国产精品麻豆| 亚洲人成网站高清观看| 亚洲激情在线av| 蜜桃久久精品国产亚洲av| 午夜福利18| 日本撒尿小便嘘嘘汇集6| 欧美又色又爽又黄视频| 亚洲国产色片| 国产99白浆流出| 午夜免费激情av| 久久国产精品影院| 老鸭窝网址在线观看| 欧美激情久久久久久爽电影| 久久中文字幕一级| 久久久久久久久中文| 国产av不卡久久| 99热这里只有是精品50| 久久天堂一区二区三区四区| 欧美另类亚洲清纯唯美| 啦啦啦免费观看视频1| 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| 精品欧美国产一区二区三| 麻豆成人av在线观看| 欧美成人性av电影在线观看| 看黄色毛片网站| 亚洲av日韩精品久久久久久密| 免费在线观看日本一区| 亚洲,欧美精品.| 两个人看的免费小视频| 国产精品久久久久久精品电影| 国产v大片淫在线免费观看| 久久国产乱子伦精品免费另类| 国产日本99.免费观看| 人人妻,人人澡人人爽秒播| 黄色片一级片一级黄色片| 99热只有精品国产| 午夜久久久久精精品| 在线永久观看黄色视频| 国产激情久久老熟女| 午夜福利在线在线| 欧美日韩一级在线毛片| 亚洲一区二区三区色噜噜| 精品欧美国产一区二区三| 国内精品美女久久久久久| 又大又爽又粗| 一级黄色大片毛片| 男女视频在线观看网站免费| 欧美日韩瑟瑟在线播放| 最近最新中文字幕大全免费视频| 亚洲一区二区三区不卡视频| 国产精品av久久久久免费| 久久精品亚洲精品国产色婷小说| 最近视频中文字幕2019在线8| 看片在线看免费视频| 亚洲av日韩精品久久久久久密| 一级毛片精品| 久久精品影院6| 精品一区二区三区av网在线观看| 国产精品免费一区二区三区在线| 一本精品99久久精品77| 国产精品免费一区二区三区在线| 两个人看的免费小视频| 亚洲,欧美精品.| 久久久精品大字幕| 波多野结衣高清作品| 中文字幕久久专区| 久久久水蜜桃国产精品网| 可以在线观看毛片的网站| 亚洲av电影在线进入| 国产成+人综合+亚洲专区| 国产精品av久久久久免费| 国产午夜精品论理片| 99国产综合亚洲精品| 又黄又粗又硬又大视频| av视频在线观看入口| 日韩精品中文字幕看吧| 色播亚洲综合网| 久久香蕉精品热| 男人的好看免费观看在线视频| 国产极品精品免费视频能看的| 午夜福利在线观看吧| 日韩中文字幕欧美一区二区| 国产精品久久视频播放| 亚洲成人免费电影在线观看| 1024手机看黄色片| 国产一级毛片七仙女欲春2| 亚洲国产色片| 亚洲成人久久性| 女警被强在线播放| 国产三级在线视频| 亚洲欧美精品综合久久99| av欧美777| 久久久久精品国产欧美久久久| 国产私拍福利视频在线观看| 国产精品一区二区免费欧美| 一二三四社区在线视频社区8| 国产av麻豆久久久久久久| av在线天堂中文字幕| 韩国av一区二区三区四区| 少妇裸体淫交视频免费看高清| 亚洲国产精品合色在线| 国产精品 国内视频| 一区二区三区激情视频| 一级作爱视频免费观看| 亚洲精品在线观看二区| 色视频www国产| 欧美在线黄色| 日韩欧美在线二视频| 久久天堂一区二区三区四区| 精品一区二区三区av网在线观看| 天堂√8在线中文| 亚洲午夜理论影院| 亚洲av第一区精品v没综合| 欧美日韩精品网址| 久久性视频一级片| 18禁观看日本| 首页视频小说图片口味搜索| 精品国产三级普通话版| 九色国产91popny在线| 久久香蕉国产精品| 亚洲无线观看免费| 91在线精品国自产拍蜜月 | 搞女人的毛片| 国产精品久久视频播放|