• <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 ?

    語譜圖傅里葉變換的二字漢語詞匯語音識別

    2017-09-07 17:45:33潘迪梁士利魏瑩許廷發(fā)王雙維
    現(xiàn)代電子技術 2017年16期
    關鍵詞:傅里葉變換特征融合支持向量機

    潘迪 梁士利 魏瑩 許廷發(fā) 王雙維

    摘 要: 以語音信號的語譜圖作為處理對象,提出一種基于寬窄帶語譜圖傅里葉變換頻域圖像二進寬度分帶投影特征融合的二字漢語詞匯語音識別算法。首先,對寬窄語譜圖傅里葉變換頻域圖的圖像意義以及相應的語音特性進行分析;然后,分別對寬窄帶語譜圖頻域圖像進行二進寬度分帶列投影和行投影,將投影值作為語音識別的第一個特征參數(shù)集合和第二個特征參數(shù)集合,將以上兩個特征集進行特征融合作為二字詞匯語音識別的特征量,以支持向量機為分類器實現(xiàn)二字漢語詞匯語音識別。實驗結果表明,該方法對特定人二字漢語詞匯語音的識別率可達96.8%,對非特定人二字漢語詞匯語音的識別率可達98.8%,為解決漢語詞匯整體語音識別提供了一種新的思路。

    關鍵詞: 傅里葉變換; 語譜圖; 特征融合; 支持向量機

    中圖分類號: TN912?34 文獻標識碼: A 文章編號: 1004?373X(2017)16?0013?06

    Abstract: A speech recognition algorithm of two?word Chinese vocabulary is proposed, which takes the spectrogram of speech signals as a processed object, and is based on binary width zoning?band projection feature fusion of the broad?band and narrow?band spectrogram images in Fourier transform domain. First, the image significance of Fourier transform domain image in the broad?band and narrow?band spectrogram and their corresponding speech characteristics are analyzed. Then, the binary width zoning?band column projection and line projection of the broad?band and narrow?band spectrogram frequency domain image are carried out respectively. The projected value is taken as the first and second feature parameter sets for speech recognition. The above two feature sets are fuzed according their features as the feature value of two?word vocabulary speech recognition. Taking the support vector machine (SVM) as a classifier to realize the speech recognition of two?word Chinese vocabulary. The experiment results show that the recognition rate of this method can reach to 96.8% for specific persons and 98.8% for non?specific persons. The proposed method provides a new way for vocabulary recognition.

    Keywords: Fourier transform; spectrogram; feature fusion; support vector machine

    0 引 言

    語音識別技術就是讓相應的設備通過識別和理解兩個過程把語音信號轉變?yōu)橄鄳拿罨蛭募母呖萍技夹g。近幾年來,語音識別技術的理論研究得到了飛速的發(fā)展,相應的應用實現(xiàn)也越來越貼近人們的生活,從而大大提高了相應的工作效率和生活品質(zhì)[1]。

    一般來說,語音識別的方法有四種:基于聲道模型和語音知識的方法、模板匹配的方法、隨機模型的方法和利用人工神經(jīng)網(wǎng)絡的方法。2002年,孫光民研究了基于神經(jīng)網(wǎng)絡的中文孤立詞語音識別技術,將時間規(guī)整算法與神經(jīng)網(wǎng)絡相結合,組成一個混合級聯(lián)神經(jīng)網(wǎng)絡語音識別系統(tǒng)。利用該方法對小詞表漢語孤立詞進行語音識別實驗,獲得了98.25%的正確識別率[2]。2005年,林遂芳等人提出一種基于動態(tài)時間規(guī)整(DTW)和學習矢量量化(LVQ)神經(jīng)網(wǎng)絡的語音識別方法。該方法用動態(tài)時間規(guī)整算法先對語音信號進行時間規(guī)整,然后通過學習矢量量化神經(jīng)網(wǎng)絡進行語音的分類識別。大量實驗表明,采用DTW/LVQ混合模型的識別的正確率[3]為97.9%。2009年,張軍等人針對動態(tài)時間規(guī)整(DTW)對孤立詞端點檢測準確性過度依賴的問題,采用放寬端點和限定動態(tài)規(guī)整計算范圍結合的算法解決此問題,該算法不僅更準確地放松前后端點降低端點檢測的敏感度,而且結合對動態(tài)規(guī)整計算范圍的限定,減少計算量,提高執(zhí)行效率。實驗結果發(fā)現(xiàn)采用改進后的DTW算法,平均識別率[4]達到91.8%。同年,吳金南等人針對傳統(tǒng)LVQ算法計算量大,泛化能力不強的缺點,采用改進的LVQ算法(LoPLVQ),以縮短訓練時間,提高識別率,增強分類器的泛化能力,并且DTW的時間規(guī)整能力強,綜合了兩者的優(yōu)點,使得新系統(tǒng)在語音識別方面效果顯著。實驗結果表明,常用漢字發(fā)音識別率[5]最高可達99.1%。2010年,肖利君提出了整體路徑約束DTW算法(ADTW),并用Matlab語言將改進的語音識別算法編程,仿真表明該算法能有效地提高識別率并有著極好的魯棒性。對于一定的孤立詞匯,整體路徑約束DTW算法的識別率[6]達到97.5%。2014年,陳孟元在提取MFCC的基礎上,整合差分倒譜參數(shù)作為語音的特征參數(shù),并對現(xiàn)有的DTW算法加以改進,節(jié)省了系統(tǒng)匹配的計算時間,使其具有一定的魯棒性。分別對普通話語音、湖北話語音、安徽語音和閩南語音進行測試,每種語音有5個測試模板組,每個模板組將0~9這10個數(shù)字語音重復10遍,包括100個測試語音,系統(tǒng)對所有測試模板組的平均識別率[7]為94.55%。endprint

    以往基于語譜圖的語音識別工作,僅在語譜圖本身的空域結構中直接尋找特征,并沒有充分利用語譜圖作為可視化圖像的性質(zhì)??紤]到語譜圖表征語音特性體現(xiàn)在紋絡結構上,而圖像紋絡結構更容易由圖像的頻域描述。因此,本文對語譜圖進行再次傅里葉變換,將其圖像空域轉換至圖像頻域,分別對寬窄帶語譜圖頻域圖像進行二進寬度分帶列投影和行投影,將投影值進行融合作為語音識別的特征量,以支持向量機為分類器。實驗表明:本方法對特定人二字漢語詞匯語音的識別率可達96.8%以及對非特定人二字漢語詞匯語音的識別率可達98.8%,為解決漢語詞匯整體語音識別提供了一種新的思路。

    1 寬窄帶語譜圖意義

    語譜圖(Spectrogram)是表示語音頻譜隨時間變化的圖形,它采用二維平面來表達三維信息,其縱軸為頻率,橫軸為時間,任一給定頻率成分在給定時刻的強弱用相應點的灰度或色調(diào)的濃淡來表示。語譜圖中顯示了大量的與語音的特性有關的信息,它綜合了頻譜圖和時域波形的特性,明顯地顯示出語音頻譜隨時間的變化情況。所以,語譜圖所承載的信息量遠遠大于單純時域和單純頻域承載信息量的總和[8]。

    窄帶語譜圖有較高的頻率分辨率,在譜圖上能顯示出兩個純音,但其時間分辨率較差,看不出兩個純音所產(chǎn)生的拍音[9]。因此,作為詞匯的窄帶語譜圖,可以反映詞匯整體的基頻及各次諧波的時間變化。窄帶語譜圖中基頻及各次諧波體現(xiàn)為等間隔的橫杠,從圖像角度,這些等間隔的橫杠反映了圖像豎直方向上的周期特征。如果將語譜圖進行傅里葉變換,即由語譜圖的空域轉換到語譜圖的頻域,則上述橫杠的周期性表現(xiàn)為語譜圖頻域豎直方向上的基頻。

    寬帶語譜圖有較高的時間分辨率,在譜圖上能顯示兩個純音所產(chǎn)生的拍音,但其頻率分辨率較差,看不出兩個純音。因此作為詞匯的寬帶語譜圖,可以觀察頻譜包絡,以便確定共振峰,同時也可以給出精確的時間結構。從圖像角度,這些等間隔的豎條反映了圖像水平方向上的周期特征。如果將語譜圖進行傅里葉變換,即由語譜圖的空域轉換到語譜圖的頻域,則上述豎條的周期性表現(xiàn)為語譜圖頻域水平方向上的基頻。

    本文以寬窄帶語譜圖作為研究對象,語音的頻率特征和時間特征都得到深入體現(xiàn)。所以,更好地反映語音信號的整體特性,為解決漢語詞匯整體語音識別提供了一種新的思路。

    2 特征級圖像融合

    特征級圖像融合是指從各個信源圖像中提取特征信息,并將其進行綜合分析和處理的過程[10]。特征級圖像融合主要包含兩個步驟:

    (1) 提取特征,提取的特征信息應是像素信息的充分表示量或充分統(tǒng)計量,如邊緣、形狀、輪廓、角、紋理、相似亮度區(qū)域、相似景深區(qū)域等;

    (2) 對提取的特征進行融合,在進行融合處理時,所關心的主要特征信息的具體形式和內(nèi)容與多源圖像融合的應用目的和場合密切相關。

    本文將寬帶語譜圖頻域圖像進行二進寬度分帶列投影得到的特征量與窄帶語譜圖頻域圖像進行二進寬度分帶行投影得到的特征量進行融合,以此對二字漢語詞匯進行語音識別。

    3 語譜圖頻域圖像矩陣的特征提取

    3.1 語譜圖樣本構成

    使用Cool Edit Pro 2.0軟件進行語音錄制,采樣率為44.1 kHz ,使得語譜圖頻域表達范圍為0~22 kHz,單聲道,16 b量化。共10人(男、女各5人)10個詞匯的讀音樣本,10個詞匯均為二字詞匯,重復10遍,即每個詞匯有10個樣本。一個詞匯的語音時長約為1.2 s,10人的10個詞匯共為1 000個語音樣本文件。所有語音樣本文件轉化為Matlab數(shù)據(jù)文件,即語音樣本序列。

    3.1.1 窄帶語譜圖樣本構成

    窄帶語譜圖樣本構成是通過對每個樣本序列進行分幀,幀長1 024點,為了保持其連續(xù)性,采用重疊率為25%的幀移量;另外,為了移去直流分量和加權高頻分量,采用漢明窗(Hamming)對信號進行加權,每個樣本分為54幀,構造出1 024行54列時域分幀矩陣。對時域分幀矩陣做FFT,生成1 024行54列時頻分析矩陣,頻域分辨率為43 Hz。時頻分析矩陣的模矩陣即為樣本所對應的語譜圖矩陣。由于傅里葉變換具有對稱性,取該矩陣的上半部或下半部作為語譜圖即可,因此,每一幅語譜圖的矩陣為512行54列,共1 000幅灰度圖像。

    3.1.2 寬帶語譜圖樣本構成

    寬帶語譜圖樣本構成是通過對每個樣本序列進行分幀,幀長128點,窗函數(shù)采用漢明窗,每個樣本分為410幀,構造出128行410列時域分幀矩陣。對時域分幀矩陣做FFT,生成128行410列時頻分析矩陣,頻域分辨率為344 Hz。時頻分析矩陣的模矩陣即為樣本所對應的語譜圖矩陣。由于傅里葉變換具有對稱性,取該矩陣的上半部或下半部作為語譜圖即可,因此,每一幅語譜圖的矩陣為64行410列,共1 000幅灰度圖像。以上過程本文形成了參數(shù)可調(diào)的Matlab語譜圖生成程序,以備隨時調(diào)用。為了消除由于音量不同造成的各個樣本幅度差異,對每個圖像矩陣均進行歸一化處理。

    3.2 語譜圖特征提取

    語譜圖圖像中像素的灰度值代表了信號在相應頻率、相應時刻的幅度比重?;趫D像處理思路,對其進行頻譜分析,將語譜圖圖像進行再次傅里葉變換,形成語譜圖圖像頻域特性矩陣,并將頻譜低頻部分移到中心處。通過分析其幅頻特性,可發(fā)現(xiàn)圖像的頻域矩陣是轉置對稱矩陣,其可完全描述圖像幅頻特征的獨立子陣是上半子陣,或下半子陣,或左半子陣,或右半子陣,這里選擇對窄帶語譜圖上半子陣進行二進寬度分帶行投影,寬帶語譜圖左半子陣進行二進寬度分帶列投影方法提取特征量。這種投影反映了詞匯發(fā)音全過程中語音基頻及其諧波關系的總體特性,同時還反映了語圖條紋邊緣梯度的整體特性。實驗表明,不同詞匯其相應的上述總體特性具有顯著性差異。

    4 實驗仿真與結果分析

    4.1 系統(tǒng)設置endprint

    本次語音樣本采用10人的10個二字詞匯進行錄制而成,采樣頻率為44.1 kHz,單聲道,16 b量化,其中每個詞匯10段重復錄音,一共是1 000個語音數(shù)據(jù)樣本。為了采樣數(shù)據(jù)的準確性和可說服性,將每個人的10個二字詞匯的每前5遍作為訓練集,后5遍作為測試集,即前500個語音數(shù)據(jù)作為訓練集,后500個語音數(shù)據(jù)作為測試集。在訓練階段,為了后面的數(shù)據(jù)處理的方便和保證程序運行時收斂加快而進行了歸一化處理,將前500個語音訓練樣本特征數(shù)據(jù)存入數(shù)據(jù)庫,作為支持向量機的訓練模板,對其進行訓練。在檢測階段,將后500個語音樣本中提取出的特征數(shù)據(jù)放入到訓練好的網(wǎng)絡中,對相應的二字詞匯進行語音檢測。

    4.2 仿真結果

    4.2.1 特定人二字漢語詞匯語音識別的仿真結果

    對窄語譜圖矩陣進行二次傅里葉變換之后,構造每個詞匯的上半子陣的左半部分7行10列二進寬度分帶投影矩陣和每個詞匯的上半子陣的右半部分7行10列二進寬度分帶投影矩陣。將上半子陣的左半部分小矩陣和上半子陣的右半部分小矩陣合在一起形成一個14行10列的大矩陣。同時,對寬帶語譜圖矩陣進行二次傅里葉變換之后,構造每個詞匯的右半子陣的上半部分10行2列二進寬度分帶投影矩陣和每個詞匯的右半子陣的下半部分10行2列二進寬度分帶投影矩陣。將右半子陣的上半部分小矩陣和右半子陣的下半部分小矩陣分別轉置后合在一起形成一個4行10列的大矩陣,將兩個大矩陣合成一個18行10列的矩陣,作為特定人二字詞匯語音識別特征量。一個人的10個詞匯10遍得到10組數(shù)據(jù),10個人即可得到100組數(shù)據(jù),分別相應地將每個人的10個詞匯前5遍作為訓練樣本數(shù)據(jù),后5遍作為檢測樣本數(shù)據(jù)。本文只選擇一組訓練樣本數(shù)據(jù)和檢測樣本數(shù)據(jù)給予顯示,訓練樣本數(shù)據(jù)見表1,檢測樣本數(shù)據(jù)見表2。支持向量機的參數(shù)是:通過支持向量機來實現(xiàn)10人的10個詞匯的語音識別,由于特征向量的維數(shù)是18維,因此輸入維度是18維,中間層內(nèi)積核函數(shù)維度是18維,本文是對10人的10個詞匯的語音識別,所以采用基數(shù)詞1~10的編碼方式,即1維十進制輸出。通過前50組數(shù)據(jù)對支持向量機進行反復訓練,得到最佳適用模板,將后50組數(shù)據(jù)放入訓練好的模板中,對10個特定人的二字詞匯的語音識別正確率達到96.8%。

    4.2.2 非特定人二字漢語詞匯語音識別的仿真結果

    對窄語譜圖矩陣進行二次傅里葉變換之后,構造每個詞匯的上半子陣的左半部分6行10列二進寬度分帶投影矩陣和每個詞匯的上半子陣的右半部分6行10列二進寬度分帶投影矩陣。

    將上半子陣的左半部分小矩陣和上半子陣的右半部分小矩陣合在一起形成一個12行10列的大矩陣。同時,對寬帶語譜圖矩陣進行二次傅里葉變換之后,構造每個詞匯的右半子陣的上半部分10行3列二進寬度分帶投影矩陣和每個詞匯的右半子陣的下半部分10行3列二進寬度分帶投影矩陣。將右半子陣的上半部分小矩陣和右半子陣的下半部分小矩陣分別轉置后合在一起形成一個6行10列的大矩陣,將兩個大矩陣合成一個18行10列的矩陣,作為非特定人二字詞匯語音識別特征量。一個人的10個詞匯10遍得到10組數(shù)據(jù),10個人即可得到100組數(shù)據(jù),分別相應的將每個人的10個詞匯前5遍作為訓練樣本數(shù)據(jù),后5遍作為檢測樣本數(shù)據(jù)。

    本文只選擇一組訓練樣本數(shù)據(jù)和檢測樣本數(shù)據(jù)給予顯示,訓練樣本數(shù)據(jù)如表3所示,檢測樣本數(shù)據(jù)如表4所示。

    支持向量機的參數(shù)是:通過支持向量機來實現(xiàn)10人的10個詞匯的語音識別,由于特征向量的維數(shù)是18維,因此輸入維度是18維,中間層內(nèi)積核函數(shù)維度是18維。本文是對10人的10個詞匯的語音識別,所以采用基數(shù)詞1~10的編碼方式,即1維十進制輸出。通過前50組數(shù)據(jù)對支持向量機進行反復訓練,得到最佳適用模板,將后50組數(shù)據(jù)放入訓練好的模板中,對10個非特定人的二字詞匯的語音識別正確率達到98.8%。

    5 結 論

    本文提出了一種基于寬窄帶語譜圖傅里葉變換特征融合的二字漢語詞匯識別算法。以寬窄帶語譜圖作為研究對象,語音的頻率特征和時間特征都得到深入體現(xiàn),所以,更好地反映了語音信號的整體特性。實驗結果表明,采用寬窄帶語譜圖融合得到的特征值對特定人二字詞匯語音的識別率可達96.8%,而采用寬窄帶語譜圖融合得到的特征值對非特定人二字詞匯語音的識別率可達98.8%,為解決漢語詞匯整體語音識別提供了一種新的思路。

    參考文獻

    [1] 何湘智.語音識別的研究與發(fā)展[J].計算機與現(xiàn)代化,2002(3):3?6.

    [2] 李永健.基于DTW和HMM的語音識別算法仿真及軟件設計[D].哈爾濱:哈爾濱工程大學,2009.

    [3] 陳立偉.基于HMM和ANN漢語語音識別[D].哈爾濱:哈爾濱工程大學,2005.

    [4] 王偉臻.基于神經(jīng)網(wǎng)絡的語音識別研究[D].杭州:浙江大學,2008.

    [5] 王山海,景新幸,楊海燕.基于深度學習神經(jīng)網(wǎng)絡的孤立詞語音識別的研究[J].計算機應用研究,2015,32(8):2289?2291.

    [6] 田嵐,陸小珊,白樹忠.基于快速神經(jīng)網(wǎng)絡算法的非特定人語音識別[J].控制與決策,2002(1):65?68.

    [7] 孫光民,董笑盈.基于神經(jīng)網(wǎng)絡的漢語孤立詞語音識別[J].北京工業(yè)大學學報,2002,28(3):289?292.

    [8] 趙力.語音信號處理[M].2版.北京:機械工業(yè)出版社,2009.

    [9] 張家騄.漢語人機語音通信基礎[M].上海:上??茖W技術出版社,2010.

    [10] 何友,王國宏,關欣.信息融合理論及應用[M].北京:電子工業(yè)出版社,2010.endprint

    猜你喜歡
    傅里葉變換特征融合支持向量機
    基于移動端的樹木葉片識別方法的研究
    科技資訊(2017年11期)2017-06-09 18:28:13
    基于SIFT特征的港口內(nèi)艦船檢測方法
    融合整體與局部特征的車輛型號識別方法
    《信號與系統(tǒng)》中傅里葉變換在OFDM移動通信系統(tǒng)中的應用
    亞太教育(2016年34期)2016-12-26 13:19:56
    《數(shù)字信號處理》中存在的難點問題解析
    亞太教育(2016年34期)2016-12-26 12:51:31
    動態(tài)場景中的視覺目標識別方法分析
    論提高裝備故障預測準確度的方法途徑
    價值工程(2016年32期)2016-12-20 20:36:43
    基于熵技術的公共事業(yè)費最優(yōu)組合預測
    價值工程(2016年29期)2016-11-14 00:13:35
    基于支持向量機的金融數(shù)據(jù)分析研究
    基于MATLAB的道路交通標志識別
    秋霞在线观看毛片| 激情五月婷婷亚洲| 亚洲av日韩在线播放| 国产综合精华液| 97在线人人人人妻| 99久国产av精品国产电影| 一区二区三区激情视频| 亚洲国产看品久久| 香蕉丝袜av| 欧美日韩视频精品一区| 成人影院久久| 女性被躁到高潮视频| 中文字幕亚洲精品专区| 日本黄色日本黄色录像| 欧美日韩视频精品一区| 欧美日韩视频高清一区二区三区二| www日本在线高清视频| 精品99又大又爽又粗少妇毛片| 亚洲人成网站在线观看播放| 久久久久久久久久人人人人人人| 一区在线观看完整版| 欧美国产精品一级二级三级| av不卡在线播放| 大码成人一级视频| 亚洲情色 制服丝袜| 免费日韩欧美在线观看| 亚洲欧美色中文字幕在线| 黄色一级大片看看| 在线观看免费日韩欧美大片| 国产日韩一区二区三区精品不卡| 狂野欧美激情性bbbbbb| 少妇被粗大的猛进出69影院| 91午夜精品亚洲一区二区三区| 爱豆传媒免费全集在线观看| 日本欧美国产在线视频| 国产又爽黄色视频| 肉色欧美久久久久久久蜜桃| 精品久久蜜臀av无| 老司机影院成人| 日日啪夜夜爽| 精品国产乱码久久久久久男人| 美女主播在线视频| 亚洲色图综合在线观看| 18禁观看日本| 久久国产精品大桥未久av| 观看av在线不卡| av天堂久久9| 9热在线视频观看99| 日本91视频免费播放| 国产在线免费精品| 精品国产一区二区久久| 9191精品国产免费久久| 涩涩av久久男人的天堂| 国产免费福利视频在线观看| 日韩中文字幕视频在线看片| av女优亚洲男人天堂| 一个人免费看片子| 大话2 男鬼变身卡| 国产亚洲午夜精品一区二区久久| 一级黄片播放器| 国产精品香港三级国产av潘金莲 | 大片免费播放器 马上看| 蜜桃国产av成人99| 五月开心婷婷网| 亚洲天堂av无毛| 亚洲国产精品一区三区| 欧美亚洲日本最大视频资源| 久久久国产精品麻豆| 免费观看a级毛片全部| 久久久久人妻精品一区果冻| 热re99久久精品国产66热6| 亚洲精品一二三| 中文天堂在线官网| 哪个播放器可以免费观看大片| 少妇人妻 视频| 中国国产av一级| 欧美日韩视频精品一区| av福利片在线| 亚洲av.av天堂| 亚洲欧美一区二区三区黑人 | 国产极品粉嫩免费观看在线| 夫妻午夜视频| 国产激情久久老熟女| 亚洲精品av麻豆狂野| 九色亚洲精品在线播放| 精品人妻一区二区三区麻豆| 亚洲伊人色综图| 精品少妇黑人巨大在线播放| 亚洲第一区二区三区不卡| 亚洲精品久久久久久婷婷小说| 美女国产视频在线观看| av天堂久久9| 99久国产av精品国产电影| 亚洲精品一区蜜桃| 亚洲第一青青草原| 欧美xxⅹ黑人| 色婷婷av一区二区三区视频| 欧美少妇被猛烈插入视频| 国产免费视频播放在线视频| 亚洲av免费高清在线观看| 国产在视频线精品| 少妇 在线观看| 国产乱人偷精品视频| 热99久久久久精品小说推荐| 90打野战视频偷拍视频| freevideosex欧美| 菩萨蛮人人尽说江南好唐韦庄| 有码 亚洲区| av在线播放精品| 下体分泌物呈黄色| 久久久久久久国产电影| 两个人免费观看高清视频| 美女脱内裤让男人舔精品视频| 2022亚洲国产成人精品| 亚洲成国产人片在线观看| 久久影院123| 国产精品久久久久成人av| 在线观看免费高清a一片| 中文字幕另类日韩欧美亚洲嫩草| 香蕉丝袜av| 免费人妻精品一区二区三区视频| 国产 一区精品| av免费在线看不卡| 啦啦啦中文免费视频观看日本| 国产精品久久久久成人av| 少妇精品久久久久久久| 人体艺术视频欧美日本| 国产熟女午夜一区二区三区| 亚洲国产精品一区三区| 免费黄色在线免费观看| 欧美变态另类bdsm刘玥| a级毛片在线看网站| 一本—道久久a久久精品蜜桃钙片| 久久精品久久精品一区二区三区| 国产精品一二三区在线看| 精品人妻在线不人妻| 香蕉丝袜av| 午夜久久久在线观看| 成人国产av品久久久| av国产久精品久网站免费入址| 国产老妇伦熟女老妇高清| 18禁动态无遮挡网站| 亚洲三级黄色毛片| 国产精品二区激情视频| 久久99一区二区三区| 又大又黄又爽视频免费| 国产片内射在线| 99久久精品国产国产毛片| 如何舔出高潮| 考比视频在线观看| 香蕉丝袜av| 免费在线观看黄色视频的| 亚洲欧洲精品一区二区精品久久久 | 久久久国产欧美日韩av| 久久久久国产网址| freevideosex欧美| 国产亚洲最大av| 水蜜桃什么品种好| 免费黄频网站在线观看国产| 国产有黄有色有爽视频| 久久ye,这里只有精品| 国产精品久久久久久精品古装| 黄色配什么色好看| 亚洲精品国产一区二区精华液| 国产日韩欧美视频二区| 亚洲精品美女久久av网站| 精品国产一区二区久久| 久久久久国产精品人妻一区二区| 亚洲经典国产精华液单| 欧美另类一区| 乱人伦中国视频| 男女免费视频国产| 久久青草综合色| 日韩制服丝袜自拍偷拍| 国产精品 国内视频| 国产精品欧美亚洲77777| 99九九在线精品视频| 一级爰片在线观看| 男人操女人黄网站| 亚洲欧美一区二区三区久久| kizo精华| 最近最新中文字幕免费大全7| 人妻少妇偷人精品九色| av有码第一页| 国产高清国产精品国产三级| tube8黄色片| 男女啪啪激烈高潮av片| 国产精品久久久久久av不卡| 蜜桃在线观看..| 国产极品粉嫩免费观看在线| 免费黄色在线免费观看| 久久久久久久久久人人人人人人| 精品第一国产精品| 男女午夜视频在线观看| 国产一区二区三区av在线| 嫩草影院入口| 深夜精品福利| 高清av免费在线| 建设人人有责人人尽责人人享有的| 国产成人精品福利久久| 欧美另类一区| 日本91视频免费播放| freevideosex欧美| 亚洲四区av| 人妻一区二区av| 日韩一卡2卡3卡4卡2021年| 日韩 亚洲 欧美在线| 国产成人精品福利久久| 中文字幕最新亚洲高清| 亚洲伊人色综图| 国产精品 国内视频| 中文字幕av电影在线播放| 国产日韩欧美在线精品| 人人妻人人澡人人看| 国产精品久久久久久精品电影小说| 亚洲在久久综合| 亚洲av男天堂| 在线免费观看不下载黄p国产| 国产白丝娇喘喷水9色精品| 啦啦啦在线观看免费高清www| 国产精品久久久久久精品古装| 精品国产乱码久久久久久男人| 制服人妻中文乱码| 新久久久久国产一级毛片| 婷婷色麻豆天堂久久| 99久久综合免费| 亚洲精品久久成人aⅴ小说| 哪个播放器可以免费观看大片| 日本欧美国产在线视频| 亚洲精品美女久久av网站| 又粗又硬又长又爽又黄的视频| 超碰97精品在线观看| 成年美女黄网站色视频大全免费| 国产免费视频播放在线视频| 午夜福利,免费看| 一级毛片 在线播放| 亚洲国产色片| 精品人妻在线不人妻| 亚洲精品,欧美精品| 国产人伦9x9x在线观看 | 黄色配什么色好看| 大香蕉久久成人网| 成人18禁高潮啪啪吃奶动态图| 亚洲精品成人av观看孕妇| 久久婷婷青草| 亚洲一区二区三区欧美精品| 国产精品免费大片| 美女国产高潮福利片在线看| 精品视频人人做人人爽| 交换朋友夫妻互换小说| 性少妇av在线| 一区二区三区乱码不卡18| 丝袜在线中文字幕| 99re6热这里在线精品视频| 免费观看a级毛片全部| 免费观看性生交大片5| 丝袜在线中文字幕| 人人妻人人澡人人爽人人夜夜| 亚洲av.av天堂| 中文字幕精品免费在线观看视频| 国产精品久久久久久精品古装| 精品人妻在线不人妻| 1024视频免费在线观看| 欧美另类一区| 亚洲欧美日韩另类电影网站| 蜜桃在线观看..| 日本av免费视频播放| 精品少妇久久久久久888优播| 国产欧美日韩一区二区三区在线| 国产在线免费精品| 亚洲国产av影院在线观看| 天天躁日日躁夜夜躁夜夜| 美女xxoo啪啪120秒动态图| 99久久精品国产国产毛片| 国产免费又黄又爽又色| 国产麻豆69| 久久精品久久久久久久性| 欧美xxⅹ黑人| 性色avwww在线观看| 精品人妻熟女毛片av久久网站| 午夜激情久久久久久久| 国产日韩欧美亚洲二区| 日韩不卡一区二区三区视频在线| 999精品在线视频| 欧美精品一区二区大全| 精品少妇内射三级| 国产在线视频一区二区| 在线观看美女被高潮喷水网站| 一区福利在线观看| 少妇人妻久久综合中文| 三上悠亚av全集在线观看| 亚洲av欧美aⅴ国产| 日韩欧美精品免费久久| 国产免费现黄频在线看| 青春草亚洲视频在线观看| 国产精品久久久av美女十八| 女人精品久久久久毛片| 亚洲伊人色综图| 国产熟女午夜一区二区三区| 国产精品一二三区在线看| 天天操日日干夜夜撸| 人妻人人澡人人爽人人| 亚洲成色77777| 色视频在线一区二区三区| 久久这里有精品视频免费| av免费在线看不卡| av在线app专区| 26uuu在线亚洲综合色| 侵犯人妻中文字幕一二三四区| 亚洲欧美精品自产自拍| 美国免费a级毛片| 岛国毛片在线播放| 亚洲精品久久午夜乱码| 亚洲,欧美,日韩| √禁漫天堂资源中文www| 男女午夜视频在线观看| 少妇人妻久久综合中文| 亚洲精品一区蜜桃| 人人妻人人澡人人看| 成人二区视频| 久久精品亚洲av国产电影网| 日韩中文字幕欧美一区二区 | 精品人妻熟女毛片av久久网站| 大片免费播放器 马上看| 欧美激情 高清一区二区三区| 欧美日韩亚洲国产一区二区在线观看 | 日韩精品有码人妻一区| 热re99久久精品国产66热6| 男女啪啪激烈高潮av片| 最近2019中文字幕mv第一页| 国产成人精品无人区| 国产在视频线精品| 国产有黄有色有爽视频| 一区二区三区乱码不卡18| 国产白丝娇喘喷水9色精品| 久久久久久久精品精品| 亚洲在久久综合| 青春草亚洲视频在线观看| 久久久精品免费免费高清| 亚洲国产欧美在线一区| 欧美97在线视频| 成人国语在线视频| 欧美精品高潮呻吟av久久| 亚洲国产av新网站| 韩国精品一区二区三区| 国产麻豆69| 国产爽快片一区二区三区| 成人黄色视频免费在线看| 秋霞在线观看毛片| 欧美日韩成人在线一区二区| 黄网站色视频无遮挡免费观看| 边亲边吃奶的免费视频| 亚洲国产精品成人久久小说| 国产成人精品久久久久久| 欧美日韩国产mv在线观看视频| 大香蕉久久网| 亚洲 欧美一区二区三区| 99国产精品免费福利视频| 制服人妻中文乱码| 国产成人一区二区在线| 综合色丁香网| 精品少妇黑人巨大在线播放| av国产精品久久久久影院| 亚洲精品美女久久久久99蜜臀 | 大码成人一级视频| 欧美在线黄色| 国产亚洲欧美精品永久| 亚洲国产看品久久| 黑人猛操日本美女一级片| 久久精品熟女亚洲av麻豆精品| 国产男人的电影天堂91| h视频一区二区三区| av网站在线播放免费| 欧美av亚洲av综合av国产av | 人妻人人澡人人爽人人| 天堂中文最新版在线下载| 春色校园在线视频观看| 精品国产乱码久久久久久男人| videossex国产| 久久久久久久久久久免费av| videossex国产| 黑丝袜美女国产一区| 9191精品国产免费久久| 肉色欧美久久久久久久蜜桃| 色婷婷久久久亚洲欧美| 母亲3免费完整高清在线观看 | 免费高清在线观看日韩| 美国免费a级毛片| 一级毛片黄色毛片免费观看视频| 春色校园在线视频观看| 成人毛片60女人毛片免费| 老司机亚洲免费影院| 免费观看av网站的网址| 国产精品久久久久久精品电影小说| 纵有疾风起免费观看全集完整版| 午夜日韩欧美国产| 久久久欧美国产精品| 免费观看a级毛片全部| 国产精品熟女久久久久浪| 精品人妻熟女毛片av久久网站| 精品一区二区三区四区五区乱码 | 黄色配什么色好看| 亚洲欧洲精品一区二区精品久久久 | 性少妇av在线| 国产精品一二三区在线看| 欧美xxⅹ黑人| 国产人伦9x9x在线观看 | 精品一区二区三区四区五区乱码 | 国产精品av久久久久免费| 9色porny在线观看| 久久久久久久亚洲中文字幕| 欧美人与性动交α欧美精品济南到 | 国产黄色视频一区二区在线观看| 国产男女超爽视频在线观看| 日日摸夜夜添夜夜爱| 欧美老熟妇乱子伦牲交| 亚洲精品乱久久久久久| 国产又爽黄色视频| 男女国产视频网站| 深夜精品福利| 少妇猛男粗大的猛烈进出视频| 国产精品.久久久| 精品卡一卡二卡四卡免费| 成人亚洲欧美一区二区av| 最近手机中文字幕大全| 精品福利永久在线观看| 黄网站色视频无遮挡免费观看| 欧美精品一区二区免费开放| 免费黄网站久久成人精品| 国产成人91sexporn| 国产一区有黄有色的免费视频| av网站在线播放免费| 少妇被粗大的猛进出69影院| 午夜免费鲁丝| 国产精品嫩草影院av在线观看| 午夜福利网站1000一区二区三区| 欧美精品亚洲一区二区| 黄片无遮挡物在线观看| 国产深夜福利视频在线观看| 久久久久国产一级毛片高清牌| 免费少妇av软件| 黑人猛操日本美女一级片| 黄片小视频在线播放| 亚洲 欧美一区二区三区| 波野结衣二区三区在线| 不卡av一区二区三区| 天天躁夜夜躁狠狠久久av| 国产精品国产三级国产专区5o| 日本色播在线视频| 乱人伦中国视频| 成年女人毛片免费观看观看9 | 亚洲国产色片| 久久精品亚洲av国产电影网| 九九爱精品视频在线观看| 少妇人妻 视频| 女的被弄到高潮叫床怎么办| 国产精品一国产av| 建设人人有责人人尽责人人享有的| 精品福利永久在线观看| 免费在线观看视频国产中文字幕亚洲 | 伊人久久国产一区二区| 大香蕉久久成人网| 国产精品久久久久久精品电影小说| 免费高清在线观看日韩| 日韩成人av中文字幕在线观看| 国产av一区二区精品久久| 国产一区亚洲一区在线观看| 中文字幕制服av| 久久久久久伊人网av| 国产精品99久久99久久久不卡 | 精品第一国产精品| 美女高潮到喷水免费观看| 国语对白做爰xxxⅹ性视频网站| 永久免费av网站大全| 青春草国产在线视频| 日本午夜av视频| av在线app专区| 免费久久久久久久精品成人欧美视频| 欧美老熟妇乱子伦牲交| 热re99久久国产66热| 肉色欧美久久久久久久蜜桃| 秋霞在线观看毛片| 视频区图区小说| 亚洲国产毛片av蜜桃av| 久久午夜综合久久蜜桃| 看十八女毛片水多多多| 热99国产精品久久久久久7| 亚洲精品自拍成人| 国产爽快片一区二区三区| 成年女人毛片免费观看观看9 | 国产成人aa在线观看| 国产 一区精品| 女人高潮潮喷娇喘18禁视频| 黑人猛操日本美女一级片| 国产一区二区三区综合在线观看| 夜夜骑夜夜射夜夜干| 一级,二级,三级黄色视频| 香蕉精品网在线| 国产97色在线日韩免费| 赤兔流量卡办理| 国精品久久久久久国模美| 在线天堂最新版资源| 97人妻天天添夜夜摸| 国产熟女午夜一区二区三区| 一级爰片在线观看| 青青草视频在线视频观看| 欧美日韩综合久久久久久| 欧美精品亚洲一区二区| 99热国产这里只有精品6| 国产又爽黄色视频| 观看美女的网站| 国产有黄有色有爽视频| 日韩一区二区三区影片| 极品人妻少妇av视频| 日韩欧美一区视频在线观看| 亚洲 欧美一区二区三区| 欧美xxⅹ黑人| 婷婷色av中文字幕| 国产成人91sexporn| 精品亚洲成a人片在线观看| 亚洲综合色惰| 久久国产精品男人的天堂亚洲| 国产日韩一区二区三区精品不卡| 色网站视频免费| 在线免费观看不下载黄p国产| 久久精品久久久久久噜噜老黄| 精品一区二区三卡| 久久青草综合色| 亚洲欧美精品自产自拍| 亚洲成人一二三区av| 国产精品亚洲av一区麻豆 | 免费高清在线观看视频在线观看| 亚洲图色成人| av一本久久久久| 日韩熟女老妇一区二区性免费视频| 亚洲一区中文字幕在线| 欧美日韩精品成人综合77777| 免费少妇av软件| 精品少妇久久久久久888优播| 日本-黄色视频高清免费观看| 天堂俺去俺来也www色官网| 精品一区二区免费观看| 亚洲视频免费观看视频| 亚洲国产最新在线播放| 婷婷色麻豆天堂久久| 精品亚洲乱码少妇综合久久| 国产亚洲最大av| 国产高清不卡午夜福利| 国产乱来视频区| 女人精品久久久久毛片| 亚洲男人天堂网一区| 国产在视频线精品| 国产精品无大码| 国产成人精品一,二区| 黄色怎么调成土黄色| 狠狠婷婷综合久久久久久88av| 亚洲三区欧美一区| 亚洲精品乱久久久久久| 久久精品国产亚洲av涩爱| 色婷婷久久久亚洲欧美| 少妇被粗大猛烈的视频| 巨乳人妻的诱惑在线观看| 丰满乱子伦码专区| 91精品三级在线观看| 91精品国产国语对白视频| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲av日韩在线播放| 国产精品99久久99久久久不卡 | 女人久久www免费人成看片| 在线观看三级黄色| 亚洲人成网站在线观看播放| 国产精品一区二区在线不卡| 人人妻人人爽人人添夜夜欢视频| 久久久久久久精品精品| 成人亚洲精品一区在线观看| 欧美 亚洲 国产 日韩一| 伊人亚洲综合成人网| 一边摸一边做爽爽视频免费| 五月伊人婷婷丁香| 青春草国产在线视频| 免费播放大片免费观看视频在线观看| 天天影视国产精品| 精品一区在线观看国产| 久久精品国产亚洲av涩爱| 卡戴珊不雅视频在线播放| 精品国产一区二区三区久久久樱花| 日韩免费高清中文字幕av| 国产成人精品无人区| 亚洲欧美精品综合一区二区三区 | 久久影院123| 日韩,欧美,国产一区二区三区| 91精品国产国语对白视频| 熟女电影av网| 国产精品久久久久久精品电影小说| 这个男人来自地球电影免费观看 | 亚洲美女搞黄在线观看| 七月丁香在线播放| 亚洲国产看品久久| 在线观看国产h片| 亚洲国产日韩一区二区| 精品久久久精品久久久| 久久99一区二区三区| 日韩中文字幕欧美一区二区 | 一级爰片在线观看| 激情五月婷婷亚洲| 久久久久国产网址| 日韩免费高清中文字幕av| 母亲3免费完整高清在线观看 | 免费观看av网站的网址| 国产精品久久久久久精品古装| www.精华液| 国产有黄有色有爽视频| 久久久久久久大尺度免费视频| 亚洲精品国产色婷婷电影| 午夜福利在线观看免费完整高清在|