• <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 ?

    基于深度學(xué)習(xí)的通信輻射源指紋特征提取算法

    2018-08-20 06:17:46黃健航雷迎科
    信號(hào)處理 2018年1期
    關(guān)鍵詞:輻射源電臺(tái)特征提取

    黃健航 雷迎科

    (電子工程學(xué)院,安徽合肥 230037)

    1 引言

    由于通信輻射源個(gè)體的差異,在信號(hào)的表現(xiàn)形式上不可避免地存在著不影響信息傳遞的細(xì)微特征差異,這些可檢測(cè)、可重現(xiàn)差異的細(xì)微特征稱為信號(hào)細(xì)微特征或通信輻射源指紋特征(Communication Transmitter Fingerprint,CTF)[1]。在軍事應(yīng)用上,由于當(dāng)前戰(zhàn)場(chǎng)電磁環(huán)境中充斥各類電磁信號(hào),使得電磁環(huán)境紛繁多變,而識(shí)別敵方通信輻射源個(gè)體對(duì)于我方掌握戰(zhàn)場(chǎng)制信息權(quán)至關(guān)重要。因此通過準(zhǔn)確提取CTF特征,快速有效地識(shí)別不同通信輻射源個(gè)體,可以為指揮員判定輻射源的基本性質(zhì)、分析通信網(wǎng)絡(luò)結(jié)構(gòu)、確定敵威脅等級(jí)和電子干擾對(duì)象提供重要的決策依據(jù)[2]。在民用領(lǐng)域中,CTF特征可以用于準(zhǔn)確判別通信電臺(tái)對(duì)電磁頻譜的使用情況,及時(shí)發(fā)現(xiàn)非法通信電臺(tái)等。

    近年來,國(guó)內(nèi)外對(duì)CTF特征的研究越發(fā)深入,主要分為兩類:信號(hào)暫態(tài)特征提取方法和信號(hào)穩(wěn)態(tài)特征提取方法。前一種方法主要是早期研究成果,其對(duì)瞬態(tài)特征的完整性要求很高,而由于瞬態(tài)特征與噪聲相似,又在信號(hào)截獲、特征提取的過程中增加了出錯(cuò)概率,因此目前已很少采用。后一種方法對(duì)信號(hào)的穩(wěn)態(tài)特征進(jìn)行變換、提取,可以達(dá)到準(zhǔn)確提取信號(hào)指紋特征的目的,應(yīng)用范圍廣泛。文獻(xiàn)[3]提出了一種基于雙譜特征融合的CTF特征識(shí)別方法,可以實(shí)現(xiàn)快速準(zhǔn)確的CTF特征提取并分類識(shí)別,但對(duì)訓(xùn)練樣本數(shù)量要求較高。文獻(xiàn)[4]基于信號(hào)頻率跳變時(shí)刻的瞬時(shí)包絡(luò)特征計(jì)算分形維數(shù),提取的CTF特征的多分類性能只限于3部電臺(tái)。文獻(xiàn)[5]提出利用經(jīng)驗(yàn)?zāi)B(tài)分解的方法提取CTF特征,在噪聲較大的環(huán)境下識(shí)別率仍不理想。

    盡管上述方法在一些理想條件下取得了令人滿意的識(shí)別結(jié)果,但在實(shí)際復(fù)雜的電磁環(huán)境條件下,尤其是戰(zhàn)時(shí),對(duì)于每個(gè)電磁環(huán)境輻射源而言,人們很難獲取充裕的已知類別的輻射源觀測(cè)樣本數(shù)據(jù),即在實(shí)際復(fù)雜電磁環(huán)境下,我們常常面臨的是小樣本條件下電磁環(huán)境輻射源細(xì)微特征提取問題,所謂的“小樣本”問題,即用于指導(dǎo)模型訓(xùn)練的有標(biāo)簽樣本數(shù)量有限,不足以充分訓(xùn)練特征提取模型,從而導(dǎo)致提取的CTF特征不能良好表征通信輻射源個(gè)體。顯然,如果直接采用上述提出的基于充分樣本的流形學(xué)習(xí)方法,其性能必將受到嚴(yán)重影響。

    “深度學(xué)習(xí)”(Deep Learning)這一術(shù)語(yǔ)是在2006年由機(jī)器學(xué)習(xí)領(lǐng)域的領(lǐng)軍人物Hinton和他的學(xué)生Salakhutdinov在著名學(xué)術(shù)刊物《Science》上發(fā)表的學(xué)術(shù)論文中首次提出的[9]。所謂深度學(xué)習(xí)是指通過組合低層特征形成更加抽象的高層表示(屬性類別或特征),以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示[13]。近年來,深度學(xué)習(xí)[6-12]在信號(hào)處理領(lǐng)域應(yīng)用廣泛,處理的對(duì)象包括圖像、語(yǔ)音以及文本等。在圖像方面,Hinton[7]提出采用深度神經(jīng)網(wǎng)絡(luò)對(duì)圖像信號(hào)進(jìn)行降維處理,實(shí)現(xiàn)準(zhǔn)確識(shí)別;Ouyang[8]在2013年提出利用深度卷積神經(jīng)網(wǎng)絡(luò)識(shí)別視頻信號(hào)中的行人;語(yǔ)音信號(hào)方面,馬勇[9]在稀疏自編碼網(wǎng)絡(luò)中引入dropout技術(shù)對(duì)說話人進(jìn)行準(zhǔn)確分割;Kenny P[10]等將語(yǔ)音信號(hào)投影到說話人子空間和信道子空間提取說話人因子特征,提高了說話人的識(shí)別技術(shù);文本數(shù)據(jù)方面,彭君睿[11]通過堆棧去噪自編碼器對(duì)文本數(shù)據(jù)進(jìn)行情感分類,實(shí)現(xiàn)了跨域?qū)W習(xí)。針對(duì)實(shí)際復(fù)雜電磁環(huán)境下通信輻射源個(gè)體識(shí)別問題,本文擬引入深度學(xué)習(xí)理論,提出一種基于堆棧自編碼器[11]的通信輻射源指紋特征提取方法。首先通過預(yù)處理(高階譜分析)將原始通信輻射源信號(hào)從時(shí)域轉(zhuǎn)化到高維特征空間,然后利用大量無(wú)標(biāo)簽的通信輻射源高維樣本訓(xùn)練堆棧自編碼器網(wǎng)絡(luò),在此基礎(chǔ)上,通過少量有標(biāo)簽的通信輻射源樣本對(duì)模型進(jìn)行精校,從而有效挖掘“小樣本”條件下通信輻射源觀測(cè)樣本的深層細(xì)微特征。

    2 基于深度學(xué)習(xí)的通信輻射源指紋特征提取的可行性分析

    對(duì)于通信輻射源指紋特征的研究,一般來說分為兩類:暫態(tài)特征分析和穩(wěn)態(tài)特征分析。前者在表現(xiàn)形式上有著非常顯著的差異,可以很好地作為指紋特征反映輻射源個(gè)體情況,然而在實(shí)際戰(zhàn)場(chǎng)電磁環(huán)境中,電磁信號(hào)密集、復(fù)雜、交錯(cuò)而多變,信號(hào)的傳輸時(shí)間短,變化較為劇烈,導(dǎo)致信號(hào)暫態(tài)特征提取尤為困難,并且該方法還存在難以識(shí)別相同型號(hào)、相同工作模式的通信輻射源個(gè)體等問題,實(shí)用效果不佳。后者主要集中研究由通信輻射源內(nèi)部各元器件的不穩(wěn)定性、性能參數(shù)的非線性、元器件加工工藝缺陷所造成的各類穩(wěn)態(tài)特征,利用通信輻射源信號(hào)的調(diào)制參數(shù)、瞬時(shí)特性、分形特征、雜散特征以及高階統(tǒng)計(jì)特征等作為指紋特征,用于表征通信輻射源的個(gè)體差異。然而,此類方法存在以下幾點(diǎn)局限性,導(dǎo)致其在實(shí)際應(yīng)用中無(wú)法達(dá)到理論所述的性能標(biāo)準(zhǔn):(1)實(shí)際戰(zhàn)場(chǎng)電磁環(huán)境中的通信電臺(tái)通常組網(wǎng)進(jìn)行工作,其型號(hào)、工作模式通常是相同的,通過調(diào)制參數(shù)上的差異無(wú)法準(zhǔn)確表征不同的電臺(tái)個(gè)體;(2)“小樣本”問題無(wú)法很好地解決,即可供采集用于訓(xùn)練指紋特征學(xué)習(xí)機(jī)的已知樣本數(shù)目相對(duì)有限;(3)將信號(hào)中微弱的雜散特征成分作為指紋特征,在實(shí)際環(huán)境中極易受到噪聲或電子干擾而影響其表征通信輻射源個(gè)體的能力;(4)高階譜特征往往處于高維特征空間,盡管可以較好地避免周圍環(huán)境的干擾,但是由于其高維特性,通用的分類器難以從中充分學(xué)習(xí),導(dǎo)致分類識(shí)別性能下降。由此可見,人為設(shè)計(jì)指紋特征總是很難完整反映特定型號(hào)、調(diào)制樣式的通信輻射源信號(hào)的細(xì)微差異,若是能夠跨越這一階段,直接由信號(hào)本身中提取指紋,則可以大大加強(qiáng)指紋特征的表征能力。

    深度學(xué)習(xí)應(yīng)用到通信輻射源指紋特征提取中,有以下幾個(gè)特點(diǎn)使其優(yōu)于傳統(tǒng)方法:(1)無(wú)監(jiān)督學(xué)習(xí)策略使其直接從輸入的數(shù)據(jù)中提取指紋特征,跨越了人工設(shè)計(jì)指紋特征的階段,節(jié)省了大量科研成本;(2)相比于有限的已知樣本,深度學(xué)習(xí)方法可以很好地利用實(shí)際復(fù)雜電磁環(huán)境中的海量無(wú)標(biāo)簽通信輻射源樣本,充分訓(xùn)練學(xué)習(xí)機(jī)模型,更好表征通信輻射源個(gè)體,有效改善“小樣本”問題對(duì)指紋特征提取的影響;(3)以逐層貪婪的方式對(duì)數(shù)據(jù)特征壓縮,可使最終提取的指紋特征具備較低的維度,在以較低維度特征有效表征通信輻射源個(gè)體的同時(shí),還可與傳統(tǒng)分類器對(duì)接通用,解決通用分類器不能完整利用指紋特征信息的問題。

    文獻(xiàn)[12]將深度學(xué)習(xí)理論中的深度限制玻爾茲曼機(jī)用于雷達(dá)輻射源的特征提取,該方法在低信噪比環(huán)境下,對(duì)于不同類型的雷達(dá)輻射源特征有著較高的表征能力與較好的魯棒性,證明了深度學(xué)習(xí)理論在信號(hào)特征提取上應(yīng)用的可實(shí)現(xiàn)性。在此基礎(chǔ)上,本文引入堆棧自編碼器(Stacked Auto-Encoder,SAE)算法用于提取“小樣本”條件下相同類型、相同工作狀態(tài)的通信輻射源指紋特征,獲得在“小樣本”條件下超越傳統(tǒng)方法的輻射源個(gè)體表征能力,并在實(shí)際復(fù)雜電磁環(huán)境中保持較強(qiáng)的魯棒性,為將輻射源指紋特征廣泛用于如電子對(duì)抗偵察等軍事領(lǐng)域提供可靠的技術(shù)支持。

    3 基于SAE的通信輻射源指紋特征提取

    首先將接收機(jī)采集的通信輻射源信號(hào)進(jìn)行去噪、高階譜變換等預(yù)處理,然后算法對(duì)處理后的通信輻射源信號(hào)矩形積分雙譜進(jìn)行CTF特征提取。按照?qǐng)D1算法流程,首先利用信號(hào)中的無(wú)標(biāo)簽數(shù)據(jù)通過無(wú)監(jiān)督預(yù)訓(xùn)練提取模型初始參數(shù),然后在有監(jiān)督精校階段輔助模型利用有標(biāo)簽數(shù)據(jù)訓(xùn)練模型的有監(jiān)督參數(shù),通過多次迭代計(jì)算模型的最優(yōu)參數(shù),輸出CTF特征。

    圖1 本文算法流程

    3.1 無(wú)監(jiān)督預(yù)訓(xùn)練

    在提取CTF特征時(shí)采用無(wú)監(jiān)督學(xué)習(xí)方法的主要原因是:(1)自編碼器進(jìn)行無(wú)監(jiān)督學(xué)習(xí)訓(xùn)練模型,不依賴先驗(yàn)知識(shí)和已知標(biāo)簽的樣本;(2)在實(shí)際復(fù)雜電磁環(huán)境中存在著海量的無(wú)標(biāo)簽通信輻射源信號(hào)樣本,利于使用無(wú)監(jiān)督學(xué)習(xí)進(jìn)行回歸。在CTF特征提取任務(wù)中,通過大量無(wú)標(biāo)簽樣本訓(xùn)練模型,使梯度能夠達(dá)到全局最優(yōu)點(diǎn),達(dá)到理想的特征提取效果。故在本算法中,首先將大量無(wú)標(biāo)簽樣本用于SAE預(yù)訓(xùn)練,針對(duì)通信輻射源信號(hào)SIB特征初始化模型。

    本文采用的SAE[11]的基本單元是自編碼器,其基本結(jié)構(gòu)如圖2所示,通過維度小于輸入層的隱藏層表達(dá)高維輸入,并在解碼器中根據(jù)低維表達(dá)重構(gòu)高維輸入,借助梯度下降的迭代優(yōu)化方法,輸出重構(gòu)誤差最小的無(wú)監(jiān)督模型參數(shù)。具體過程說明如下。

    圖2 隱藏層數(shù)為2的SAE基本結(jié)構(gòu)

    設(shè)無(wú)標(biāo)簽通信輻射源信號(hào)是高維特征樣本xU,樣本共m個(gè),特征維度是n。自編碼器單元對(duì)xU的表達(dá)函數(shù)為:

    hW,b(xU)=WxU+b

    (1)

    其中W是自編碼器隱藏層神經(jīng)元的權(quán)重系數(shù)矢量,b是偏置。

    此外,每個(gè)神經(jīng)元對(duì)輸入特征會(huì)進(jìn)行非線性激勵(lì),激勵(lì)函數(shù)為:

    a(xU)=sigmoid(xU)

    (2)

    若將多個(gè)自編碼器單元連接起來,前一個(gè)自編碼器單元的隱層作為后一個(gè)自編碼器單元的輸入層,那么就是本文所用SAE。假設(shè)SAE的隱層數(shù)目為2(本文實(shí)驗(yàn)所用SAE隱層數(shù)正是2),那么高維輸入記為h(0),第一層表達(dá)記為h(1),非線性激勵(lì)記為a(1),第二層表達(dá)為:h(2)=W(2)h(1)+b(2),第二層的非線性激勵(lì)為:a(2)=sigmoid(h(1))。

    解碼器首層表達(dá)則為:

    h(3)=W(2)h(2)+b(2)

    (3)

    計(jì)算解碼器端對(duì)高維輸入的重構(gòu)y:

    y=h(4)=W(1)h(3)=b(1)

    (4)

    將重構(gòu)y與高維輸入h(0)之間的均方誤差定義為重構(gòu)誤差,可以構(gòu)造代價(jià)函數(shù)J(W,b):

    (5)

    然后就可以遞推計(jì)算隱藏層第l層(l=1,2,3)的殘差矢量δ(l):

    (6)

    由反向傳播算法,可以得知第l層的權(quán)重與偏置矢量的梯度下降方向矢量分別為:

    (7)

    (8)

    最后給出模型參數(shù)的更新公式(式中的α為學(xué)習(xí)率):

    (9)

    (10)

    當(dāng)?shù)?jì)算使代價(jià)函數(shù)收斂至最小時(shí),輸出模型參數(shù)W=(W(1),W(2))和b=(b(1),b(2))作為初始化參數(shù)θinitial。

    3.2 有監(jiān)督精校

    有監(jiān)督精校,是利用已知樣本所屬通信輻射源個(gè)體的信號(hào)數(shù)據(jù)對(duì)算法的訓(xùn)練參數(shù)再進(jìn)行訓(xùn)練,使訓(xùn)練參數(shù)對(duì)輸入的SIB特征擬合程度更優(yōu),最終提取的CTF特征因而可以準(zhǔn)確區(qū)分不同通信輻射源個(gè)體,滿足指紋特征的要求。由于有標(biāo)簽樣本數(shù)量有限,若用于整個(gè)SAE模型的訓(xùn)練,出現(xiàn)梯度彌散、梯度停滯等問題的概率較大,而只在softmax回歸模型中進(jìn)行訓(xùn)練,一則可以發(fā)揮有監(jiān)督學(xué)習(xí)的特點(diǎn),使模型與訓(xùn)練集的擬合程度更高;二則可以降低獲取訓(xùn)練集的代價(jià),深度挖掘存在于有標(biāo)簽樣本中的通信輻射源個(gè)體信息,準(zhǔn)確提取CTF特征。

    圖3 softmax回歸模型結(jié)構(gòu)

    有監(jiān)督精校利用SAE中提取的初始化參數(shù)θinitial對(duì)softmax回歸模型參數(shù)進(jìn)行初始化,該模型結(jié)構(gòu)如圖3所示,與SAE結(jié)構(gòu)相似,只是沒有隱藏層。它輸出的不再是對(duì)輸入的重構(gòu),而是對(duì)輸入樣本所屬類別的估計(jì)。

    設(shè)有標(biāo)簽通信輻射源信號(hào)是高維特征樣本xL,樣本共M個(gè),特征維度是n+1,標(biāo)簽是一個(gè)M維且元素均為類別標(biāo)號(hào)取值k的列矢量,在xL的最后一列,k是通信輻射源個(gè)體的編號(hào)。softmax回歸模型會(huì)根據(jù)模型參數(shù)θ對(duì)輸入的每個(gè)樣本所屬通信輻射源個(gè)體類別進(jìn)行估計(jì),通過分類概率p(yi=j|xL)(其中i=1,2,...,M,j=1,2,...,k)表示。現(xiàn)用一個(gè)假設(shè)函數(shù)H(xL)對(duì)所有有標(biāo)簽通信輻射源信號(hào)的分類概率進(jìn)行表達(dá):

    其中θ是softmax的模型參數(shù),由θinitial初始化,是一個(gè)sL×n維的矩陣(sL表示SAE第L層的神經(jīng)元數(shù)目),由隱藏層各層所有權(quán)重系數(shù)矩陣相乘得到(本文算法中編碼器隱藏層數(shù)為2):

    (11)

    為通過訓(xùn)練使再模型參數(shù)θ擬合有標(biāo)簽通信輻射源樣本,定義代價(jià)函數(shù)JL(θ),作為有監(jiān)督訓(xùn)練的目標(biāo)函數(shù):

    (12)

    (13)

    模型參數(shù)θ的更新公式為:

    (14)

    當(dāng)?shù)?jì)算使代價(jià)函數(shù)JL(θ)收斂至最小時(shí),輸出模型參數(shù)θopt,此即為算法提取的通信輻射源指紋特征。

    3.3 算法步驟

    根據(jù)本章3.1和3.2節(jié)的算法原理推導(dǎo),將主要步驟總結(jié)如下:

    步驟1輸入無(wú)標(biāo)簽通信輻射源數(shù)據(jù)xU,在SAE中進(jìn)行無(wú)監(jiān)督預(yù)訓(xùn)練。

    根據(jù)公式(1)對(duì)輸入數(shù)據(jù)進(jìn)行編碼,可得SAE各層對(duì)輸入數(shù)據(jù)的非線性表達(dá)h(l)。

    步驟2構(gòu)造無(wú)監(jiān)督訓(xùn)練代價(jià)函數(shù)。通過聯(lián)立公式(3)(4)可得重構(gòu)y,并據(jù)此計(jì)算公式(5)所示代價(jià)函數(shù)J(W,b)。

    步驟3對(duì)無(wú)監(jiān)督代價(jià)函數(shù)進(jìn)行迭代優(yōu)化計(jì)算。根據(jù)公式(9)(10)參數(shù)更新方法,當(dāng)無(wú)監(jiān)督代價(jià)函數(shù)取得最小值時(shí),可以得到有監(jiān)督過程的初始化參數(shù)θinitial。

    步驟4構(gòu)造有監(jiān)督代價(jià)函數(shù)。用θinitial對(duì)softmax回歸模型參數(shù)進(jìn)行初始化,依據(jù)公式(11)(12)計(jì)算有監(jiān)督代價(jià)函數(shù)JL(θ)。

    步驟5迭代計(jì)算有監(jiān)督代價(jià)函數(shù)JL(θ)的最小值。由公式(13)(14)可計(jì)算模型參數(shù)θ的最優(yōu)值θopt,作為CTF特征輸出。

    4 實(shí)驗(yàn)結(jié)果與分析

    4.1 實(shí)驗(yàn)設(shè)置

    為了評(píng)估基于深度學(xué)習(xí)的通信輻射源指紋特征提取算法的可行性和有效性,本節(jié)在kenwood手持式FM電臺(tái)數(shù)據(jù)集和kirisun通信電臺(tái)數(shù)據(jù)集上進(jìn)行了大量實(shí)驗(yàn)。為更好地分析實(shí)驗(yàn)結(jié)果,將提出的算法(SAE/CTF)與傳統(tǒng)的基于雜散特征(R特征)提取方法[14]、基于SIB特征的高階統(tǒng)計(jì)量方法[3]進(jìn)行了實(shí)驗(yàn)比較。

    本節(jié)設(shè)置的兩組實(shí)驗(yàn),第一組為在kenwood通信電臺(tái)數(shù)據(jù)集和kirisun通信電臺(tái)數(shù)據(jù)集上分別進(jìn)行的分類識(shí)別實(shí)驗(yàn),主要驗(yàn)證了基于深度學(xué)習(xí)的通信輻射源指紋特征提取算法在訓(xùn)練樣本個(gè)數(shù)不同的情況下,對(duì)相同型號(hào)、工作狀態(tài)的不同通信輻射源個(gè)體所提取的指紋特征能夠反映個(gè)體差異的可行性;第二組為不同輻射源個(gè)體的識(shí)別差異實(shí)驗(yàn),主要驗(yàn)證了基于深度學(xué)習(xí)的通信輻射源指紋特征提取算法在“小樣本”條件下對(duì)kenwood通信電臺(tái)數(shù)據(jù)集中不同輻射源個(gè)體指紋特征提取的有效性。

    實(shí)驗(yàn)所采用的kenwood通信電臺(tái)數(shù)據(jù)集,是在實(shí)際環(huán)境下采集的5部相同型號(hào)、工作狀態(tài)的kenwood手持式FM通信電臺(tái)的通信信號(hào),信號(hào)帶寬為25 kHz,接收機(jī)帶寬為100 kHz,采樣頻率為204.8 kHz,采樣點(diǎn)數(shù)為1023658個(gè),采樣數(shù)據(jù)為零中頻I/Q正交信號(hào)。kirisun通信電臺(tái)數(shù)據(jù)集的采集,5部kirisun手持式FM電臺(tái)帶寬為25 kHz,接收機(jī)將截獲信號(hào)經(jīng)正交混頻和A/D轉(zhuǎn)換,輸出零中頻I/Q雙路正交信號(hào),接收機(jī)采集增益為6 dB,信道帶寬100 kHz,采樣率為312.5 kHz,每個(gè)樣本的采樣時(shí)長(zhǎng)均為30 s。

    對(duì)通信輻射源信號(hào)進(jìn)行矩形積分雙譜變換(Square Integral Bispectra,SIB)后可獲得包含CTF特征的高維數(shù)據(jù),將其輸入SAE進(jìn)行訓(xùn)練,可以保證從中提取的指紋特征能夠準(zhǔn)確表征輻射源個(gè)體。同時(shí),考慮到硬件性能與運(yùn)算效率,最終選取4096維SIB特征作為高維輸入樣本。SAE的輸入層節(jié)點(diǎn)與輸入樣本應(yīng)為等維映射,因此輸入層節(jié)點(diǎn)數(shù)目為4096。根據(jù)實(shí)驗(yàn)經(jīng)驗(yàn),設(shè)計(jì)層數(shù)為2,節(jié)點(diǎn)數(shù)分別為256和64的隱含層,構(gòu)成結(jié)構(gòu)為4096-256- 64的自編碼器單元。由于SAE的解碼部分將壓縮后的CTF特征重構(gòu)為輸入樣本,因此輸出層節(jié)點(diǎn)數(shù)也為4096。

    對(duì)于基于SIB特征的高階統(tǒng)計(jì)量方法(SIB)和本文算法(SAE/CTF),采用的SIB特征維度也為4096維。為更好地比較實(shí)驗(yàn)組中各特征提取方法的性能,采用與有監(jiān)督精校模型相同的softmax分類器,每組實(shí)驗(yàn)重復(fù)20次,取平均識(shí)別率作為最終識(shí)別結(jié)果,所有實(shí)驗(yàn)均在一臺(tái)CPU為Intel Core i7- 4720HQ 2.6GHz的筆記本電腦上運(yùn)行。

    4.2 算法整體識(shí)別性能

    為了驗(yàn)證基于深度學(xué)習(xí)的通信輻射源指紋特征提取算法在不同“小樣本”條件下提取的CTF特征可以反映通信輻射源個(gè)體之間的細(xì)微差異,在kenwood通信電臺(tái)數(shù)據(jù)集和kirisun通信電臺(tái)數(shù)據(jù)集上分別進(jìn)行分類識(shí)別實(shí)驗(yàn),并將相同實(shí)驗(yàn)條件下的實(shí)驗(yàn)結(jié)果與R特征、SIB方法進(jìn)行比較。

    將5部kenwood通信電臺(tái)的150000個(gè)樣本,分別從每個(gè)通信電臺(tái)個(gè)體中隨機(jī)選取15000,30000,45000,60000,75000個(gè)有標(biāo)簽樣本構(gòu)成有標(biāo)簽訓(xùn)練樣本集,其余60000個(gè)作為無(wú)標(biāo)簽樣本構(gòu)成無(wú)標(biāo)簽訓(xùn)練樣本集,再?gòu)拿總€(gè)通信電臺(tái)個(gè)體最終剩余的樣本中隨機(jī)選擇1500個(gè)樣本作為測(cè)試樣本集,得到5個(gè)實(shí)驗(yàn)變量組,記為E1,E2,E3,E4,E5;將5部kirisun通信電臺(tái)的45000個(gè)樣本,分別從每個(gè)通信電臺(tái)個(gè)體中隨機(jī)選取4500,9000,13500,18000,27500個(gè)有標(biāo)簽樣本構(gòu)成有標(biāo)簽訓(xùn)練樣本集,其余18000個(gè)作為無(wú)標(biāo)簽樣本構(gòu)成無(wú)標(biāo)簽訓(xùn)練樣本集,再?gòu)拿總€(gè)通信電臺(tái)個(gè)體最終剩余的樣本中隨機(jī)選擇450個(gè)樣本作為測(cè)試樣本集,得到5個(gè)實(shí)驗(yàn)變量組,記為E6,E7,E8,E9,E10。每個(gè)實(shí)驗(yàn)變量組獨(dú)立重復(fù)20次,計(jì)算平均識(shí)別率。R特征、SIB和SAE/CTF方法在kenwood數(shù)據(jù)集和kirisun數(shù)據(jù)集上取不同有標(biāo)簽樣本數(shù)時(shí)的識(shí)別性能如表1(a)、(b)所示。

    表1(a) kenwood數(shù)據(jù)集上R特征、SIB和SAE/CTF取不同訓(xùn)練樣本數(shù)時(shí)平均識(shí)別率

    表1(b) kirisun數(shù)據(jù)集上R特征、SIB和SAE/CTF取不同訓(xùn)練樣本數(shù)時(shí)平均識(shí)別率

    從表1可以看出:(1)kenwood通信電臺(tái)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果說明,在不同的“小樣本”條件下,SAE/CTF方法均獲得最優(yōu)的分類識(shí)別性能,即該方法所提取的CTF特征能夠準(zhǔn)確表征通信輻射源個(gè)體,SIB方法次之,而R特征方法的識(shí)別效果最差;(2)E4中R特征方法的結(jié)果出現(xiàn)了異常的下降,這是由于雜散特征在實(shí)際環(huán)境中極為微弱,在“小樣本”條件下進(jìn)行特征提取易受干擾;(3)kirisun通信電臺(tái)數(shù)據(jù)集對(duì)應(yīng)的實(shí)驗(yàn)E6~E10顯示,SAE/CTF識(shí)別率在小樣本條件下顯著優(yōu)于對(duì)照算法,并且在有標(biāo)簽樣本相對(duì)充足時(shí),E9,E10,識(shí)別正確率超過80%,說明能夠準(zhǔn)確表征小樣本條件下同類型通信電臺(tái)的不同個(gè)體;(4)將kenwood通信電臺(tái)數(shù)據(jù)集與kirisun通信電臺(tái)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比可以發(fā)現(xiàn),前三組實(shí)驗(yàn)的有標(biāo)簽樣本量均少于無(wú)標(biāo)簽樣本量,在此條件下傳統(tǒng)方法如R特征法、SIB法對(duì)于同類型通信輻射源個(gè)體的識(shí)別能力較差,而本文提出的SAE/CTF方法能夠大致將不同通信輻射源個(gè)體進(jìn)行區(qū)分識(shí)別;(5)后兩組實(shí)驗(yàn)中有標(biāo)簽樣本量與無(wú)標(biāo)簽樣本量相當(dāng)或更為充足,對(duì)照算法的識(shí)別性能明顯提高,但本文方法仍然能夠表現(xiàn)出最優(yōu)的識(shí)別性能,說明通過深度學(xué)習(xí)可以較好地結(jié)合有標(biāo)簽樣本與無(wú)標(biāo)簽樣本,并從中提取能夠有效表征多個(gè)不同通信輻射源個(gè)體的指紋特征。

    4.3 不同輻射源個(gè)體特征識(shí)別實(shí)驗(yàn)

    為了驗(yàn)證基于深度學(xué)習(xí)的通信輻射源指紋特征提取算法在同一“小樣本”條件下提取的CTF特征可以反映不同通信輻射源之間的個(gè)體差異,在kenwood通信電臺(tái)數(shù)據(jù)集上進(jìn)行分類識(shí)別實(shí)驗(yàn),并將相同實(shí)驗(yàn)條件下的實(shí)驗(yàn)結(jié)果與R特征、SIB方法進(jìn)行比較。

    表2 R特征、SIB和SAE/CTF方法對(duì)不同電臺(tái)個(gè)體的識(shí)別結(jié)果

    5 結(jié)論

    本文提出了一種基于堆棧自編碼器的通信輻射源指紋特征提取算法,利用大量無(wú)標(biāo)簽樣本首先對(duì)特征提取模型進(jìn)行預(yù)訓(xùn)練,再通過少量有標(biāo)簽樣本進(jìn)行監(jiān)督精校,提高在小樣本條件下對(duì)通信輻射源指紋特征的表征能力。實(shí)驗(yàn)結(jié)果表明,本文提出的算法顯著改善了小樣本條件下通信輻射源指紋特征提取能力。

    [1] 柳征. 輻射源調(diào)制分類與個(gè)體識(shí)別技術(shù)研究[D]. 長(zhǎng)沙:國(guó)防科學(xué)技術(shù)大學(xué),2005.

    Liu Zheng. Research on Classification and Individual Recognition Technology of Radiation Source[D]. Changsha: National University of Defense Technology, 2005.(in Chinese)

    [2] 唐哲,雷迎科. 通信輻射源個(gè)體識(shí)別中基于l2正則化的最大相關(guān)熵算法[J]. 通信學(xué)報(bào), 2016,29(6):527-533.

    Tang Zhe,Lei Yingke. Algorithm of Maximum Correntropy Based on l2-Regularization in Individual Communication Transmitter Identification[J]. Journal on Communication,2016,29(6):527-533.(in Chinese)

    [3] 蔡忠偉,李建東. 基于雙譜的通信輻射源個(gè)體識(shí)別[J]. 通信學(xué)報(bào),2007,28(2):75-79.

    Cai Zhongwei,Li Jiandong. Study of Transmitter Individual Identification Based on Bispectra[J]. Journal on Communication,2007,28(2):75-79. (in Chinese)

    [4] 顧晨輝, 王倫文. 基于瞬時(shí)包絡(luò)特征的跳頻電臺(tái)個(gè)體識(shí)別方法[J]. 信號(hào)處理, 2012, 28(9):1335-1340.

    Gu Chenhui, Wang Lunwen. Individual frequency hopping radio identification method based on instantaneous envelope characteristics[J]. Signal Processing, 2012, 28(9):1335-1340. (in Chinese)

    [5] 梁江海,黃知濤,袁英俊,等. 一種經(jīng)驗(yàn)?zāi)B(tài)分解的通信輻射源個(gè)體識(shí)別方法[J]. 中國(guó)電子科學(xué)研究院學(xué)報(bào), 2013, 8(4):393-397.

    Liang Jianghai, Huang Zhitao, Yuan Yingjun, et al. A Method Based on Empirical Decomposition for Identifying Transmitter Individuals[J]. Journal of CAEIT, 2013, 8(4): 393-397. (in Chinese)

    [6] 余凱,賈磊,陳雨強(qiáng).深度學(xué)習(xí)的昨天、今天和明天[J].計(jì)算機(jī)研究與發(fā)展, 2013, 50(9):1799-1804.

    Yu Kai,Jia Lei,Chen Yuqiang. Deep Learning’s Yesterday, Today and Tomorrow[J]. Computer Research and Development, 2013,50(9):1799-1804. (in Chinese)

    [7] Hinton G. Reducing the Dimensionality of Data with Neural Network[J]. Science, 2006, 313:504-507.

    [8] Ouyang Wanli,Wang Xiaogang. Joint Deep Learning for Pedestrian Detection[C]∥The IEEE International Conference Vision(ICCV),2013: 2056-2063.

    [9] 馬勇,鮑長(zhǎng)春. 基于稀疏神經(jīng)網(wǎng)絡(luò)的說話人分割[J]. 北京工業(yè)大學(xué)學(xué)報(bào), 2015, 41(5): 662- 667.

    Ma Yong, Bao Changchun. Speaker Segmentation Based on Sparse Neural Network[J]. Journal of Beijing University of Technology, 2015, 41(5):662- 667. (in Chinese)

    [10] Kenny P,Boulianne G,Ouellet P,et al. Joint Factor Analysis Versus Eigenchannels in Speaker Recognition[J]. IEEE Transaction on Audio,Speech,and Language Processing,2007,15(4):1435-1447.

    [11] 彭君睿.面向文本分類的特征提取算法研究[D].北京:北京郵電大學(xué),2013.

    Peng Junrui. A Research on Feature Extraction Applied for Text Classification [D]. Beijing: Beijing University of Posts and Telecommunications, 2013. (in Chinese)

    [12] Deep Learning Tutorial[EB/OL]. 2013. http:∥deeplearning. Net / tutorial /.

    [13] 周東青,王玉冰,王星,等. 基于深度限制玻爾茲曼機(jī)的輻射源信號(hào)識(shí)別[J]. 國(guó)防科技大學(xué)學(xué)報(bào), 2016, 38(6):136-141.

    Zhou Dongqing, Wang Yubing, Wang Xing, et al. Radar Emitter Signal Recognition Based on Deep Restricted Boltzmann Machine[J]. Journal of National University of Defense Technology, 2016,38(6): 136-141.(in Chinese)

    [14] 雷迎科,郝曉軍,韓慧,等. 一種新穎的通信輻射源個(gè)體細(xì)微特征提取方法[J]. 電波科學(xué)學(xué)報(bào), 2016,31(1):98-105.

    Lei Yingke,Hao Xiaojun,Han Hui,et al. A Novel Fine Feature Extraction Method for Identifying Communication Transmitter[J]. Chinese Journal of Radio Science, 2016,31(1): 98-105. (in Chinese)

    [15] 徐書華,黃本雄,徐麗娜. 基于SIB/PCA的通信輻射源個(gè)體識(shí)別[J]. 華中科技大學(xué)學(xué)報(bào): 自然科學(xué)版,2008,36(7):14-17.

    Xu Shuhua, Huang Benxiong, Xu Lina. Identification of Individual Radio Transmitters using SIB/PCA[J]. Journal of Huazhong University of Science and Technology: Natural Science Edition, 2008, 36(7):14-17.(in Chinese)

    猜你喜歡
    輻射源電臺(tái)特征提取
    基于博弈論的GRA-TOPSIS輻射源威脅評(píng)估方法
    數(shù)字電視外輻射源雷達(dá)多旋翼無(wú)人機(jī)微多普勒效應(yīng)實(shí)驗(yàn)研究
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    外輻射源雷達(dá)直升機(jī)旋翼參數(shù)估計(jì)方法
    鹿先生的年味電臺(tái)
    Bagging RCSP腦電特征提取算法
    基于遷移成分分析的雷達(dá)輻射源識(shí)別方法研究
    老年聽眾需要電臺(tái)長(zhǎng)篇連播
    新聞傳播(2015年8期)2015-07-18 11:08:25
    做好電臺(tái)新聞的采訪之我見
    新聞傳播(2015年12期)2015-07-18 11:02:40
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    如何舔出高潮| 精品国产三级普通话版| 女的被弄到高潮叫床怎么办| 国产精品秋霞免费鲁丝片| 夜夜看夜夜爽夜夜摸| 99久久人妻综合| 亚洲欧美清纯卡通| 午夜亚洲福利在线播放| av播播在线观看一区| 免费看光身美女| 99热这里只有是精品在线观看| 青春草亚洲视频在线观看| 亚洲精品久久久久久婷婷小说| 联通29元200g的流量卡| 国产中年淑女户外野战色| 欧美一区二区亚洲| 日本色播在线视频| 成人亚洲欧美一区二区av| 乱码一卡2卡4卡精品| 欧美成人一区二区免费高清观看| 少妇的逼好多水| 欧美精品国产亚洲| 中文天堂在线官网| 色5月婷婷丁香| 亚洲不卡免费看| 成人鲁丝片一二三区免费| 午夜爱爱视频在线播放| 国产av国产精品国产| 国国产精品蜜臀av免费| 日韩大片免费观看网站| 亚洲美女视频黄频| 午夜福利网站1000一区二区三区| av线在线观看网站| 在线免费十八禁| 好男人视频免费观看在线| 精品人妻视频免费看| 亚洲色图av天堂| 一级毛片aaaaaa免费看小| 三级国产精品片| 国模一区二区三区四区视频| 欧美少妇被猛烈插入视频| 国内揄拍国产精品人妻在线| 国产白丝娇喘喷水9色精品| 午夜视频国产福利| 午夜精品一区二区三区免费看| 成人二区视频| 少妇 在线观看| 女人十人毛片免费观看3o分钟| 久久久精品欧美日韩精品| 美女主播在线视频| 亚洲激情五月婷婷啪啪| 亚洲av日韩在线播放| 三级经典国产精品| 联通29元200g的流量卡| 女人十人毛片免费观看3o分钟| 久久久精品94久久精品| 亚洲伊人久久精品综合| 亚洲成人精品中文字幕电影| 国产熟女欧美一区二区| 亚洲精品国产av蜜桃| 丰满少妇做爰视频| av国产精品久久久久影院| 国产一区二区亚洲精品在线观看| 搡女人真爽免费视频火全软件| av在线蜜桃| 你懂的网址亚洲精品在线观看| 精品人妻一区二区三区麻豆| 国产精品一区www在线观看| 亚洲最大成人手机在线| 99久国产av精品国产电影| av在线天堂中文字幕| 视频区图区小说| 永久免费av网站大全| 亚洲,欧美,日韩| av在线老鸭窝| 韩国av在线不卡| 插阴视频在线观看视频| 精品一区二区三卡| 国产亚洲一区二区精品| 国产免费一区二区三区四区乱码| 美女xxoo啪啪120秒动态图| 免费不卡的大黄色大毛片视频在线观看| 国产黄频视频在线观看| 亚洲精品亚洲一区二区| 九草在线视频观看| 亚洲美女搞黄在线观看| 久久人人爽人人片av| 熟女人妻精品中文字幕| 男人和女人高潮做爰伦理| 欧美xxxx黑人xx丫x性爽| 69人妻影院| 日韩强制内射视频| 成人漫画全彩无遮挡| 国产亚洲最大av| 亚洲精品乱久久久久久| 纵有疾风起免费观看全集完整版| 国产午夜福利久久久久久| 三级国产精品欧美在线观看| 小蜜桃在线观看免费完整版高清| 久久久久国产精品人妻一区二区| 欧美日韩国产mv在线观看视频 | 男的添女的下面高潮视频| 最近中文字幕2019免费版| 伦理电影大哥的女人| 一个人看视频在线观看www免费| 国产色婷婷99| 青春草视频在线免费观看| 亚洲在线观看片| 欧美日韩亚洲高清精品| 男人和女人高潮做爰伦理| 99久久精品国产国产毛片| 国产成人a∨麻豆精品| av在线播放精品| 少妇猛男粗大的猛烈进出视频 | 国产乱人偷精品视频| 日本一二三区视频观看| 亚洲国产欧美人成| 久久久国产一区二区| 成人国产av品久久久| 亚洲精品456在线播放app| 亚洲国产色片| 在线 av 中文字幕| 久久午夜福利片| 国产亚洲最大av| 少妇人妻久久综合中文| 欧美日韩在线观看h| 国产高潮美女av| 最近中文字幕2019免费版| 欧美激情久久久久久爽电影| 99久久精品一区二区三区| 国产精品麻豆人妻色哟哟久久| 成人亚洲精品av一区二区| 免费看av在线观看网站| 最近2019中文字幕mv第一页| 日本欧美国产在线视频| 久久久久九九精品影院| av在线播放精品| 青春草亚洲视频在线观看| 日韩强制内射视频| 亚洲自偷自拍三级| 日韩欧美 国产精品| 肉色欧美久久久久久久蜜桃 | 18禁裸乳无遮挡动漫免费视频 | 麻豆乱淫一区二区| 天堂俺去俺来也www色官网| 免费黄网站久久成人精品| 国产久久久一区二区三区| 熟妇人妻不卡中文字幕| 老师上课跳d突然被开到最大视频| av在线老鸭窝| 99热这里只有是精品50| 欧美成人午夜免费资源| 人妻系列 视频| 人妻少妇偷人精品九色| 国产69精品久久久久777片| 国产精品久久久久久久久免| 亚洲人与动物交配视频| 51国产日韩欧美| 在线 av 中文字幕| 国产美女午夜福利| 国产精品一区www在线观看| 在线免费十八禁| 国产黄色视频一区二区在线观看| 国产又色又爽无遮挡免| 韩国av在线不卡| 亚洲久久久久久中文字幕| videos熟女内射| 国产色爽女视频免费观看| 亚洲精品一区蜜桃| 成人一区二区视频在线观看| 精品一区二区三卡| 大又大粗又爽又黄少妇毛片口| 日韩欧美一区视频在线观看 | 日本与韩国留学比较| 欧美日韩一区二区视频在线观看视频在线 | 在线观看美女被高潮喷水网站| 国产免费一区二区三区四区乱码| 性色avwww在线观看| 下体分泌物呈黄色| 狂野欧美白嫩少妇大欣赏| 男人狂女人下面高潮的视频| 免费看日本二区| 亚洲图色成人| 精品人妻一区二区三区麻豆| 国产一区有黄有色的免费视频| 精品视频人人做人人爽| 午夜精品国产一区二区电影 | 午夜精品国产一区二区电影 | 一二三四中文在线观看免费高清| 午夜激情久久久久久久| 最新中文字幕久久久久| 精品国产乱码久久久久久小说| 亚洲欧美成人综合另类久久久| 99久久精品热视频| 免费电影在线观看免费观看| 中文精品一卡2卡3卡4更新| av免费在线看不卡| 亚洲美女视频黄频| 美女国产视频在线观看| 国产视频首页在线观看| 我要看日韩黄色一级片| av在线天堂中文字幕| 嫩草影院新地址| 好男人视频免费观看在线| 久久久久国产精品人妻一区二区| 蜜桃久久精品国产亚洲av| 在线观看人妻少妇| 黄色欧美视频在线观看| 91狼人影院| 国产熟女欧美一区二区| 国产精品成人在线| 色吧在线观看| 26uuu在线亚洲综合色| 免费看a级黄色片| 日本wwww免费看| 久久影院123| 激情五月婷婷亚洲| 午夜免费鲁丝| av在线播放精品| 亚洲va在线va天堂va国产| 狂野欧美白嫩少妇大欣赏| 特大巨黑吊av在线直播| 国产亚洲av片在线观看秒播厂| 午夜免费观看性视频| 国产午夜精品一二区理论片| 人人妻人人看人人澡| 老司机影院毛片| 欧美日韩视频精品一区| 精品久久国产蜜桃| 久久6这里有精品| 国模一区二区三区四区视频| 51国产日韩欧美| 国产精品一二三区在线看| 男人狂女人下面高潮的视频| 99热这里只有是精品在线观看| 水蜜桃什么品种好| 成人国产麻豆网| 成人毛片a级毛片在线播放| 波野结衣二区三区在线| 国产熟女欧美一区二区| 人妻夜夜爽99麻豆av| 成人亚洲欧美一区二区av| 一级毛片黄色毛片免费观看视频| 两个人的视频大全免费| 看免费成人av毛片| 日韩在线高清观看一区二区三区| 真实男女啪啪啪动态图| 九九爱精品视频在线观看| 久久这里有精品视频免费| 男女无遮挡免费网站观看| 新久久久久国产一级毛片| 国产 精品1| 免费在线观看成人毛片| 久久精品久久久久久久性| 免费在线观看成人毛片| 下体分泌物呈黄色| 精品少妇久久久久久888优播| 九色成人免费人妻av| 18禁在线播放成人免费| 国产欧美日韩精品一区二区| 亚洲精品国产av蜜桃| 欧美 日韩 精品 国产| 久久99热6这里只有精品| 中文字幕久久专区| 少妇的逼水好多| 韩国高清视频一区二区三区| 伊人久久国产一区二区| 欧美一级a爱片免费观看看| 中文字幕久久专区| a级一级毛片免费在线观看| 夫妻性生交免费视频一级片| 全区人妻精品视频| 国产爱豆传媒在线观看| 精品人妻偷拍中文字幕| 亚洲精品自拍成人| 久久国产乱子免费精品| 免费观看a级毛片全部| 久久久久久久午夜电影| 亚洲自偷自拍三级| 少妇人妻一区二区三区视频| 国产成人免费观看mmmm| 青青草视频在线视频观看| 丰满乱子伦码专区| 国国产精品蜜臀av免费| 国产精品久久久久久精品电影| 我要看日韩黄色一级片| 日本av手机在线免费观看| 国产高清有码在线观看视频| 有码 亚洲区| 久久午夜福利片| 性色avwww在线观看| 王馨瑶露胸无遮挡在线观看| 国产精品久久久久久精品古装| 日日啪夜夜爽| 国产日韩欧美在线精品| 可以在线观看毛片的网站| 在线天堂最新版资源| 久久久亚洲精品成人影院| 在线看a的网站| 看非洲黑人一级黄片| 国产成人免费观看mmmm| 国产成人精品婷婷| av一本久久久久| 亚洲精品日本国产第一区| 黄色视频在线播放观看不卡| 熟女人妻精品中文字幕| 美女高潮的动态| 国产亚洲av片在线观看秒播厂| 可以在线观看毛片的网站| 另类亚洲欧美激情| 国产男女超爽视频在线观看| 久久精品人妻少妇| 国产 一区精品| 97人妻精品一区二区三区麻豆| 欧美日韩精品成人综合77777| 国产精品秋霞免费鲁丝片| 亚洲精品乱久久久久久| 中国国产av一级| 国产精品国产三级国产专区5o| av专区在线播放| 日韩在线高清观看一区二区三区| 国产高清三级在线| 久久久久国产网址| 成年版毛片免费区| 欧美区成人在线视频| av天堂中文字幕网| 中文欧美无线码| 男女下面进入的视频免费午夜| 亚洲伊人久久精品综合| 啦啦啦在线观看免费高清www| 精品午夜福利在线看| 夫妻午夜视频| 女人十人毛片免费观看3o分钟| 国产免费一区二区三区四区乱码| 国产av不卡久久| 亚洲美女视频黄频| 日韩精品有码人妻一区| 免费看a级黄色片| 美女脱内裤让男人舔精品视频| 熟女av电影| 99热这里只有精品一区| 国产精品久久久久久久久免| 国产亚洲一区二区精品| 国产精品久久久久久精品电影小说 | 一本色道久久久久久精品综合| 日本午夜av视频| 欧美日韩在线观看h| 永久免费av网站大全| 22中文网久久字幕| 我的老师免费观看完整版| 国产黄色免费在线视频| 亚洲怡红院男人天堂| 午夜福利视频精品| 久久99热6这里只有精品| 婷婷色av中文字幕| 亚洲久久久久久中文字幕| 人妻制服诱惑在线中文字幕| 免费观看在线日韩| 欧美日韩视频精品一区| 日本wwww免费看| 国产精品一区二区性色av| .国产精品久久| 国产精品无大码| 九色成人免费人妻av| 最后的刺客免费高清国语| 欧美成人精品欧美一级黄| 看黄色毛片网站| 久久99蜜桃精品久久| 国产成人精品婷婷| 女人十人毛片免费观看3o分钟| 色婷婷久久久亚洲欧美| 99久久人妻综合| 三级男女做爰猛烈吃奶摸视频| av网站免费在线观看视频| 日韩不卡一区二区三区视频在线| 五月玫瑰六月丁香| 国产精品熟女久久久久浪| 蜜桃久久精品国产亚洲av| 亚洲av成人精品一区久久| 又爽又黄a免费视频| 97超碰精品成人国产| 日产精品乱码卡一卡2卡三| 日韩精品有码人妻一区| 激情五月婷婷亚洲| 六月丁香七月| 涩涩av久久男人的天堂| 久久鲁丝午夜福利片| 天天躁夜夜躁狠狠久久av| 亚洲精品国产色婷婷电影| 午夜福利视频1000在线观看| 女的被弄到高潮叫床怎么办| 中文字幕久久专区| 男人舔奶头视频| 2018国产大陆天天弄谢| 欧美一区二区亚洲| 又爽又黄无遮挡网站| 亚洲av成人精品一区久久| 久久精品熟女亚洲av麻豆精品| 一个人看视频在线观看www免费| 三级国产精品欧美在线观看| 91aial.com中文字幕在线观看| 久久热精品热| 最近最新中文字幕免费大全7| 精品久久久久久久久av| 欧美性感艳星| 男人狂女人下面高潮的视频| 国产免费又黄又爽又色| 天天一区二区日本电影三级| 精品人妻视频免费看| 激情五月婷婷亚洲| 欧美成人一区二区免费高清观看| 韩国高清视频一区二区三区| 国产欧美亚洲国产| 亚洲精品乱码久久久久久按摩| 精品国产三级普通话版| 日韩免费高清中文字幕av| videos熟女内射| 纵有疾风起免费观看全集完整版| 国内揄拍国产精品人妻在线| 国产男女内射视频| 舔av片在线| 欧美成人午夜免费资源| 精品酒店卫生间| 国产真实伦视频高清在线观看| 久久久国产一区二区| 亚洲国产最新在线播放| 99热这里只有是精品在线观看| 国产探花极品一区二区| 亚洲激情五月婷婷啪啪| 国产成年人精品一区二区| 亚洲人与动物交配视频| 97在线人人人人妻| 国产毛片a区久久久久| 亚洲一级一片aⅴ在线观看| 国产高清有码在线观看视频| 亚洲人与动物交配视频| 大又大粗又爽又黄少妇毛片口| 欧美日韩一区二区视频在线观看视频在线 | 亚洲人与动物交配视频| 建设人人有责人人尽责人人享有的 | 久久精品久久久久久久性| 秋霞伦理黄片| 亚洲精品日韩av片在线观看| 麻豆国产97在线/欧美| 久久久精品欧美日韩精品| 又爽又黄无遮挡网站| 尾随美女入室| 亚洲精品日韩av片在线观看| 久久久久九九精品影院| 亚洲在线观看片| 一级毛片黄色毛片免费观看视频| 激情五月婷婷亚洲| 日本黄色片子视频| 国产精品人妻久久久久久| 两个人的视频大全免费| 99热这里只有精品一区| av专区在线播放| 汤姆久久久久久久影院中文字幕| a级毛片免费高清观看在线播放| 国产91av在线免费观看| 波野结衣二区三区在线| 菩萨蛮人人尽说江南好唐韦庄| 色婷婷久久久亚洲欧美| 亚洲av在线观看美女高潮| 免费看光身美女| 国产精品国产三级国产av玫瑰| 亚洲精品影视一区二区三区av| 最近的中文字幕免费完整| 日韩电影二区| 少妇人妻一区二区三区视频| 在线观看美女被高潮喷水网站| 简卡轻食公司| av播播在线观看一区| 麻豆国产97在线/欧美| 91精品国产九色| 人人妻人人爽人人添夜夜欢视频 | 性色avwww在线观看| 国产综合懂色| 身体一侧抽搐| 久久97久久精品| 最近2019中文字幕mv第一页| 国产一区有黄有色的免费视频| 亚洲欧美一区二区三区黑人 | 午夜老司机福利剧场| 久热久热在线精品观看| 国产高潮美女av| 国产国拍精品亚洲av在线观看| av卡一久久| 赤兔流量卡办理| 日韩av不卡免费在线播放| 亚洲国产欧美在线一区| 亚洲精品成人av观看孕妇| 亚洲天堂国产精品一区在线| 99精国产麻豆久久婷婷| 欧美日韩精品成人综合77777| 国产精品久久久久久精品电影小说 | 国产午夜福利久久久久久| 成人国产av品久久久| 欧美性猛交╳xxx乱大交人| 新久久久久国产一级毛片| 插逼视频在线观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 777米奇影视久久| 成年av动漫网址| 国产成人freesex在线| 国产亚洲91精品色在线| 久久6这里有精品| 亚洲天堂国产精品一区在线| 国产黄频视频在线观看| 久久久久久国产a免费观看| 三级国产精品片| 插逼视频在线观看| 国产亚洲91精品色在线| 国产片特级美女逼逼视频| 成人高潮视频无遮挡免费网站| 亚洲成人中文字幕在线播放| 午夜福利视频1000在线观看| 人妻制服诱惑在线中文字幕| 亚洲av免费在线观看| 亚洲精品乱码久久久v下载方式| 汤姆久久久久久久影院中文字幕| 欧美一区二区亚洲| 三级国产精品片| 麻豆久久精品国产亚洲av| 精品久久国产蜜桃| 国产成人aa在线观看| 91精品一卡2卡3卡4卡| av又黄又爽大尺度在线免费看| 一本一本综合久久| 免费看不卡的av| 亚洲av免费在线观看| 亚洲欧美一区二区三区国产| 久久久久国产网址| 国产精品精品国产色婷婷| 内地一区二区视频在线| 国产男女超爽视频在线观看| 深爱激情五月婷婷| 晚上一个人看的免费电影| 黄色日韩在线| 少妇裸体淫交视频免费看高清| 狠狠精品人妻久久久久久综合| 人妻制服诱惑在线中文字幕| 午夜福利高清视频| 嫩草影院精品99| 中文字幕久久专区| 亚洲精品视频女| 国产精品偷伦视频观看了| 成人漫画全彩无遮挡| 大又大粗又爽又黄少妇毛片口| 亚洲欧美精品自产自拍| 亚洲精品色激情综合| 国产片特级美女逼逼视频| 亚洲成人av在线免费| 国产高清有码在线观看视频| 男女那种视频在线观看| 久久精品国产自在天天线| 久久6这里有精品| 三级国产精品片| 欧美潮喷喷水| 日本免费在线观看一区| 一边亲一边摸免费视频| 国产精品熟女久久久久浪| 日韩一区二区三区影片| 亚洲av二区三区四区| 大码成人一级视频| 久久精品久久久久久久性| 久久精品国产亚洲av涩爱| 日本-黄色视频高清免费观看| 激情五月婷婷亚洲| 最近2019中文字幕mv第一页| 九草在线视频观看| 国产一区二区三区av在线| 亚洲欧洲日产国产| 久久久久久久大尺度免费视频| 精品少妇黑人巨大在线播放| 国产精品一及| av国产久精品久网站免费入址| 亚洲欧美一区二区三区国产| 久久鲁丝午夜福利片| 草草在线视频免费看| 国产 精品1| 97超碰精品成人国产| av免费在线看不卡| 精品人妻一区二区三区麻豆| 国产亚洲5aaaaa淫片| 一级黄片播放器| 99精国产麻豆久久婷婷| 日日摸夜夜添夜夜爱| tube8黄色片| 91午夜精品亚洲一区二区三区| 国产成人aa在线观看| 美女脱内裤让男人舔精品视频| 国产免费一区二区三区四区乱码| 欧美日本视频| 噜噜噜噜噜久久久久久91| 久久久久精品性色| www.av在线官网国产| 一二三四中文在线观看免费高清| 亚洲丝袜综合中文字幕| 黄片无遮挡物在线观看| 成人鲁丝片一二三区免费| 亚洲第一区二区三区不卡| 午夜福利视频1000在线观看| 伊人久久精品亚洲午夜| 免费观看无遮挡的男女| 精品视频人人做人人爽| 国产成人a区在线观看| 深夜a级毛片| 国产v大片淫在线免费观看| 欧美日韩精品成人综合77777| 久久久久久久大尺度免费视频| 日日啪夜夜撸| 麻豆精品久久久久久蜜桃| 一级毛片黄色毛片免费观看视频| 一区二区三区乱码不卡18|