• <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 ?

    一維卷積神經(jīng)網(wǎng)絡用于雷達高分辨率距離像識別

    2018-10-24 02:27:52
    電訊技術(shù) 2018年10期
    關(guān)鍵詞:衰減系數(shù)網(wǎng)絡結(jié)構(gòu)識別率

    (山東大學(威海) 機電與信息工程學院,山東 威海 264209)

    1 引 言

    在雷達自動目標識別領域,高分辨率距離像(High Range Resolution Profile,HRRP)因具有實時性強、運算量小、容易獲取與存儲等優(yōu)點而受到了廣泛的研究。目前基于HRRP的目標識別大致分為兩個階段:對HRRP進行特征提取,如FFT幅度譜、功率譜、差分譜、中心矩特征、雙譜特征和高階譜特征等;對特征進行分類識別,如模版匹配法、基于統(tǒng)計學模型的分類算法、支持向量機(Support Vector Machine,SVM)和神經(jīng)網(wǎng)絡等[1]。

    在HRRP目標識別研究中,如何提取性能更優(yōu)良的特征一直是研究的難點。近十年來,隨著深度學習在圖像分類、目標檢測、自然語言處理、語音識別及語義分析等領域取得了巨大成功[2],許多研究者嘗試使用深度學習算法來解決HRRP目標識別問題。文獻[3]把基于長短期記憶單元的循環(huán)神經(jīng)網(wǎng)絡應用于HRRP識別任務中,文獻[4]使用深度置信網(wǎng)絡解決HRRP的分類問題,文獻[5]提出了基于堆棧自編碼器的深層網(wǎng)絡識別方法,它們都取得了很好的識別結(jié)果。卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network,CNN)作為深度學習模型的一種,通過局部連接和權(quán)值共享機制不僅可以降低網(wǎng)絡的復雜度,還抑制了網(wǎng)絡訓練過程中的過擬合,通過池化操作使CNN具有一定程度的平移不變性[2]。CNN在雷達目標識別領域的研究工作方面,文獻[6]構(gòu)建了一個基于CNN的SAR圖像目標檢測算法架構(gòu),文獻[7]提出一種基于CNN的深度學習算法用于多基站雷達的HRRP目標識別。

    由于CNN具有分層學習特征的能力,可以訓練CNN自動地從HRRP中學習有用特征并分類。為了解決手工提取高質(zhì)量特征困難的問題,本文把深度學習領域中的CNN應用于HRRP識別,通過仿真實驗確定網(wǎng)絡的配置與重要參數(shù),研究CNN的目標識別性能。

    2 CNN的基本結(jié)構(gòu)

    CNN的網(wǎng)絡結(jié)構(gòu)通常由一系列可重復的卷積層、池化層和全連接層組成,卷積層通過局部連接和權(quán)值共享機制減少網(wǎng)絡參數(shù),降低網(wǎng)絡復雜度。池化層可以降低特征圖的分辨率,使CNN對輸入在一定程度上具有平移不變性,提高了CNN的魯棒性。全連接層可以把卷積層學習到的特征匯聚起來用于分類。圖1給出了一維CNN的基本結(jié)構(gòu)圖。

    圖1 一維卷積神經(jīng)網(wǎng)絡Fig.1 One-dimensional convolutional neural network

    3 CNN網(wǎng)絡配置和參數(shù)調(diào)整

    本文重點研究CNN網(wǎng)絡不同的激活函數(shù)、卷積核、學習率、權(quán)值衰減系數(shù)以及網(wǎng)絡結(jié)構(gòu)對HRRP識別性能的影響。在深度學習算法研究中,參數(shù)調(diào)優(yōu)是一件沉重而繁瑣的事情,迄今為止還沒有固定的方法來選擇合適的參數(shù),需要通過重復實驗積累經(jīng)驗進行調(diào)整。

    首先初始化一個如圖2所示的網(wǎng)絡結(jié)構(gòu),然后逐個優(yōu)化相關(guān)參數(shù)。該網(wǎng)絡結(jié)構(gòu)包括3個卷積層、3個池化層和2個全連接層,3個卷積層的特征圖個數(shù)分別為16、32和64,2個全連接層的神經(jīng)元個數(shù)分別為50和4。

    圖2 用于雷達距離像識別的卷積神經(jīng)網(wǎng)絡Fig.2 Convolutional neural network for radar HRRP recognition

    通過仿真實驗,確定網(wǎng)絡的相關(guān)參數(shù):卷積核大小為3,移動步長為1;池化域的大小為2,移動步長為2,池化方法采用最大值法;學習率為0.01,權(quán)值衰減系數(shù)為0.000 5,網(wǎng)絡的訓練方法采用批量梯度下降法,批量大小為64,最大迭代次數(shù)為2 000;權(quán)值初始化采用文獻[8]中的Xavier初始化方法,權(quán)值更新的動量項因子為0.9,學習率的更新機制采用公式(1)計算。

    r=rb·(1+γ·c)-β。

    (1)

    式中:r表示更新后的學習率;rb表示初始學習率;c表示迭代次數(shù);γ與β為學習率的控制參數(shù),分別取值為0.000 5和0.75。

    網(wǎng)絡的損失函數(shù)為SoftmaxWithLoss函數(shù):

    (2)

    4 仿真實驗

    本文借助深度學習庫caffe實現(xiàn)CNN搭建、訓練與測試[9],硬件上使用單塊NVIDIA GeForce GT620M GPU和Intel Core i5 CPU。HRRP數(shù)據(jù)來自飛機縮比模型的暗室成像,4種飛機分別為B2(1:35)、F117(1:13)、J6(1:8)和YF22(1:12)。從數(shù)據(jù)集中抽取200個作為訓練樣本,剩余1 000個作為測試樣本。

    4.1 激活函數(shù)選擇

    Sigmoid函數(shù)、Tanh函數(shù)和ReLU函數(shù)是人工神經(jīng)網(wǎng)絡常用的激活函數(shù),如公式(3)~(5)所示:

    (3)

    (4)

    ReLU(x)=max(0,x) 。

    (5)

    對3種激活函數(shù)進行仿真,測試不同激活函數(shù)的性能,實驗結(jié)果如圖3所示。從圖3可以看出,Sigmoid函數(shù)的性能最差,誤差曲線沒有下降,整個網(wǎng)絡幾乎沒有被訓練;與ReLU函數(shù)相比,使用Tanh函數(shù)的CNN的誤差曲線快速收斂到0且非常穩(wěn)定。因為本文使用的網(wǎng)絡結(jié)構(gòu)相對較淺且Tanh函數(shù)比ReLU函數(shù)具有更好的非線性,所以選擇Tanh函數(shù)作為激活函數(shù)。

    圖3 不同激活函數(shù)的訓練誤差Fig.3 Training errors for different activation functions

    4.2 參數(shù)的優(yōu)化

    通過仿真實驗依次優(yōu)化卷積核、初始學習率和權(quán)值衰減系數(shù)3個重要參數(shù)。在仿真實驗中設定3個卷積層的卷積核大小相等,變化區(qū)間為[3,11],學習率的變化區(qū)間為[0.1,0.001],權(quán)值衰減系數(shù)的變化區(qū)間為[0.5,0.000 05]。表1~3分別給出了不同的卷積核、學習率和權(quán)值衰減系數(shù)的識別率。

    表1 不同卷積核的識別率 Tab.1 Recognition rates for different kernel sizes

    從表1可以看出,隨著卷積核的增加,網(wǎng)絡的識別性能在總體上呈現(xiàn)下降趨勢,當卷積核大小為3時網(wǎng)絡性能最佳。該結(jié)果與文獻[10]使用小卷積核替代大卷積核的思想不謀而合。當卷積核增大時,導致網(wǎng)絡中的權(quán)值數(shù)目增多,訓練CNN所花費的時間也不斷增加。

    表2 不同學習率的識別率Tab.2 Recognition rates for different learning rates

    從表2可以看出,當學習率為0.01時識別性能最好。學習率過大或過小時識別率都會變差,因為學習率過大會導致網(wǎng)絡不收斂,而學習率過小會導致權(quán)值更新慢,網(wǎng)絡訓練效果差。

    表3 不同權(quán)值衰減系數(shù)的識別率Tab.3 Recognition rates for different decay coefficients

    從表3可以看出,當權(quán)值衰減系數(shù)為0.000 5時識別性能最好。衰減系數(shù)過大或過小會使網(wǎng)絡性能變差,因為衰減系數(shù)過大導致權(quán)值衰減嚴重,網(wǎng)絡不能被訓練,衰減系數(shù)過小又起不到防止過擬合的作用。

    4.3 不同網(wǎng)絡結(jié)構(gòu)的識別率

    參考文獻[10],在設計網(wǎng)絡結(jié)構(gòu)時,為了避免數(shù)據(jù)在網(wǎng)絡前向傳播過程中的急劇壓縮,遵守經(jīng)過pooling層時特征圖的數(shù)目增加2倍的原則。另外,由于本文使用的HRRP訓練樣本的數(shù)目與種類較少,CNN的規(guī)模不必設計太大,文中最深為4層。通過調(diào)整網(wǎng)絡的層數(shù)與特征圖的數(shù)目來控制CNN的深度與廣度,在調(diào)整過程中,保持全連接層不變。表4給出了不同網(wǎng)絡結(jié)構(gòu)下4種飛機目標的識別率。

    表4 不同網(wǎng)絡結(jié)構(gòu)的識別率Tab.4 Recognition rates for different network structures

    由表4可以看出:

    (1)從總體上看,隨著網(wǎng)絡層數(shù)的增加,目標識別率開始上升,當網(wǎng)絡達到3層時識別性能最好。但隨著網(wǎng)絡層數(shù)的繼續(xù)上升,目標的識別性能會出現(xiàn)下降趨勢。

    (2)當網(wǎng)絡層數(shù)相同時,合理地控制網(wǎng)絡的廣度可以提高網(wǎng)絡的識別性能,如G、H與I所示的識別率。

    (3)隨著網(wǎng)絡規(guī)模的增大,訓練網(wǎng)絡花費的時間逐步增加。

    因此,設計網(wǎng)絡結(jié)構(gòu)時,它的復雜度應該與數(shù)據(jù)集的大小相匹配,網(wǎng)絡規(guī)模過大或太小都達不到最好的識別性能。另外,還要考慮到訓練網(wǎng)絡所花費的時間成本,網(wǎng)絡越復雜,花費的時間越多。在以上各網(wǎng)絡結(jié)構(gòu)中,網(wǎng)絡H表現(xiàn)最好。

    4.4 不同分類器的識別率

    為了驗證CNN應用于HRRP特征提取和分類的有效性,用BP(Backpropagation)網(wǎng)絡、SVM分類器和K-最近鄰(K-Nearest Neighbor,KNN)分類器與CNN進行比較。BP網(wǎng)絡采用256×50×50×4的網(wǎng)絡結(jié)構(gòu),訓練方法為批量梯度下降法,最大迭代次數(shù)為6 000。SVM分類器使用LIBSVM開源工具箱[11],核函數(shù)采用徑向基函數(shù),懲罰系數(shù)c和徑向基函數(shù)中參數(shù)γ基于網(wǎng)格搜索法進行尋優(yōu);KNN分類器中的度量采用歐氏距離,K值取3。實驗結(jié)果如表5所示。

    表5 不同分類器的識別率 Tab.5 Recognition rates for different classifiers

    從表5可以看出,由于KNN分類器要求訓練樣本具有典型性,且不能處理樣本的平移問題,識別率最低;BP網(wǎng)絡通過調(diào)整網(wǎng)絡權(quán)值與偏置實現(xiàn)輸入到輸出的映射,識別率比KNN分類器大幅度提高;SVM分類器利用核函數(shù)把原始數(shù)據(jù)從不可分的低維空間映射到高維空間實現(xiàn)分類,識別率與BP網(wǎng)絡的識別率接近;CNN利用卷積層提取有用的特征用于分類,識別率最高。從耗時上看,由于SVM分類器的模型只與樣本中少量的支持向量有關(guān),訓練時間最少;KNN分類器雖然不需要經(jīng)過預訓練,但測試樣本需要與每一個訓練樣本作比較,花費時間與樣本集大小有關(guān),當訓練樣本數(shù)目與維度增加時,運算量會急劇增大;CNN和BP網(wǎng)絡分類器把大量時間花費在網(wǎng)絡的訓練上,因為CNN比BP分類器的網(wǎng)絡結(jié)構(gòu)更復雜,所以消耗時間最多。

    4.5 CNN識別性能的可視化分析

    為了直觀地說明CNN具有良好識別性能的原因,從測試集中選取了3個相似的HRRP像,如圖4所示。當使用CNN來識別這3類目標時,可以通過卷積層自動學習到多種有用的特征,最后匯集到全連接層進行分類。將CNN第二個卷積層中的前7個特征圖可視化,結(jié)果如圖5所示。

    (a)F117距離像

    (b)JB距離像

    (c)YF22距離像圖4 3種飛機目標的距離像Fig.4 HRRPs of three aircraft targets

    圖5 3種飛機目標的特征圖Fig.5 The feature maps of three aircraft targets

    從圖5可以看出,對于同一個HRRP,7個特征圖學習到的特征互不相同。同一類特征圖從3種不同HRRP中學習到的特征有的相似,有的會存在明顯差別。盡管原始輸入的3種HRRP的差異性不大,但是通過多層的卷積操作,組合多種不同特征,可以把每種特征的差異性逐層積累,學習到易于分辨的特征,最后送給全連接層進行分類,實現(xiàn)良好的識別效果。

    5 結(jié)束語

    本文把深度學習領域中的CNN應用于HRRP的目標識別中,首先介紹了一維CNN的網(wǎng)絡結(jié)構(gòu),重點研究了不同激活函數(shù)、不同參數(shù)、不同網(wǎng)絡結(jié)構(gòu)對CNN識別性能的影響,比較了CNN與BP網(wǎng)絡、SVM和KNN分類器的識別性能,通過可視化特征圖說明了CNN通過卷積層能學習到易于分辨的特征。實驗結(jié)果表明,CNN能夠有效地從原始HRRP中學習到有用的特征并分類,具有很好的識別性能。本文對CNN在HRRP目標識別中的應用進行了初步探索,可為實際工程應用提供參考。今后的研究工作重點是對CNN訓練算法與網(wǎng)絡結(jié)構(gòu)的改進,加強CNN的特征學習能力,進一步提高目標識別率。

    猜你喜歡
    衰減系數(shù)網(wǎng)絡結(jié)構(gòu)識別率
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關(guān)系
    復合材料孔隙率的超聲檢測衰減系數(shù)影響因素
    無損檢測(2018年11期)2018-11-28 08:27:42
    提升高速公路MTC二次抓拍車牌識別率方案研究
    近岸及內(nèi)陸二類水體漫衰減系數(shù)的遙感反演研究進展
    對《電磁波衰減系數(shù)特性分析》結(jié)果的猜想
    HT250材料超聲探傷中的衰減性探究
    中國測試(2016年3期)2016-10-17 08:54:04
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應用
    基于互信息的貝葉斯網(wǎng)絡結(jié)構(gòu)學習
    知識網(wǎng)絡結(jié)構(gòu)維對于創(chuàng)新績效的作用機制——遠程創(chuàng)新搜尋的中介作用
    下体分泌物呈黄色| 欧美日本中文国产一区发布| 五月开心婷婷网| 三上悠亚av全集在线观看| 亚洲精品一二三| 午夜福利网站1000一区二区三区| 精品国产乱码久久久久久小说| 亚洲欧洲精品一区二区精品久久久 | 蜜桃国产av成人99| 男女午夜视频在线观看 | 咕卡用的链子| 三上悠亚av全集在线观看| 在线精品无人区一区二区三| 国产精品一国产av| 色视频在线一区二区三区| 日韩 亚洲 欧美在线| 午夜福利视频在线观看免费| 久久久久久久久久人人人人人人| 看非洲黑人一级黄片| 欧美国产精品一级二级三级| 最近的中文字幕免费完整| 免费少妇av软件| av有码第一页| 又大又黄又爽视频免费| 777米奇影视久久| 中文精品一卡2卡3卡4更新| 91精品三级在线观看| 9热在线视频观看99| 国产成人aa在线观看| 亚洲精品成人av观看孕妇| 国产精品蜜桃在线观看| 精品人妻在线不人妻| 国产精品久久久久久久电影| 22中文网久久字幕| 久久免费观看电影| 国产精品无大码| 久久久国产一区二区| 大片免费播放器 马上看| 久久99热6这里只有精品| 乱人伦中国视频| 日韩在线高清观看一区二区三区| 你懂的网址亚洲精品在线观看| 两性夫妻黄色片 | 人人妻人人添人人爽欧美一区卜| 美女内射精品一级片tv| 亚洲av免费高清在线观看| 丝袜在线中文字幕| 亚洲精品国产av蜜桃| 亚洲伊人色综图| 在线观看一区二区三区激情| 夜夜爽夜夜爽视频| 日韩欧美一区视频在线观看| 97超碰精品成人国产| 亚洲性久久影院| 国产在线免费精品| 狠狠婷婷综合久久久久久88av| 男女啪啪激烈高潮av片| 香蕉国产在线看| 成人国产麻豆网| 国产欧美另类精品又又久久亚洲欧美| av一本久久久久| 精品卡一卡二卡四卡免费| 丝袜在线中文字幕| 亚洲国产精品999| 看十八女毛片水多多多| 看非洲黑人一级黄片| 高清不卡的av网站| 国产乱人偷精品视频| 国产一区二区激情短视频 | 国产成人免费无遮挡视频| 欧美成人精品欧美一级黄| 国产在线视频一区二区| 美女国产视频在线观看| 性色avwww在线观看| 自线自在国产av| 国产免费现黄频在线看| 女人精品久久久久毛片| 最近2019中文字幕mv第一页| 视频中文字幕在线观看| 天堂俺去俺来也www色官网| 午夜免费男女啪啪视频观看| 国产黄色免费在线视频| 中国国产av一级| 麻豆精品久久久久久蜜桃| 国产精品不卡视频一区二区| 亚洲av成人精品一二三区| 美女内射精品一级片tv| 亚洲丝袜综合中文字幕| 在线观看免费日韩欧美大片| 亚洲,一卡二卡三卡| 国产欧美日韩一区二区三区在线| 亚洲av电影在线进入| 国产麻豆69| av电影中文网址| 免费黄频网站在线观看国产| 看免费成人av毛片| 99热网站在线观看| 下体分泌物呈黄色| 国产又色又爽无遮挡免| 国产熟女午夜一区二区三区| 亚洲精品国产av成人精品| 涩涩av久久男人的天堂| 1024视频免费在线观看| 亚洲精品久久午夜乱码| 国产日韩欧美亚洲二区| av网站免费在线观看视频| 多毛熟女@视频| 建设人人有责人人尽责人人享有的| 亚洲,欧美,日韩| 成人黄色视频免费在线看| 一区二区三区四区激情视频| 免费黄频网站在线观看国产| 久久99精品国语久久久| av卡一久久| 极品少妇高潮喷水抽搐| 一级片免费观看大全| 国产视频首页在线观看| 狠狠精品人妻久久久久久综合| 国产白丝娇喘喷水9色精品| 日韩制服骚丝袜av| 亚洲欧美中文字幕日韩二区| 精品少妇黑人巨大在线播放| 一本—道久久a久久精品蜜桃钙片| 2021少妇久久久久久久久久久| 久久狼人影院| 欧美日韩视频精品一区| 午夜91福利影院| 欧美精品高潮呻吟av久久| 午夜福利网站1000一区二区三区| 两个人看的免费小视频| 新久久久久国产一级毛片| 国产免费福利视频在线观看| 亚洲情色 制服丝袜| 久久久久久久大尺度免费视频| 最近中文字幕2019免费版| 日韩伦理黄色片| 午夜91福利影院| 免费人成在线观看视频色| 亚洲精品自拍成人| 青青草视频在线视频观看| 成人二区视频| 日本-黄色视频高清免费观看| 国产男女内射视频| 国产乱来视频区| 免费看光身美女| 人人妻人人澡人人看| 亚洲综合精品二区| 少妇被粗大的猛进出69影院 | 99久国产av精品国产电影| 亚洲国产看品久久| 只有这里有精品99| 亚洲欧美清纯卡通| 亚洲久久久国产精品| 99热国产这里只有精品6| 亚洲欧美清纯卡通| 午夜视频国产福利| 大香蕉久久成人网| 国产在视频线精品| 亚洲人成网站在线观看播放| 久久免费观看电影| 精品久久久精品久久久| 熟女av电影| 日韩伦理黄色片| 热99国产精品久久久久久7| 成人午夜精彩视频在线观看| 亚洲伊人久久精品综合| 天堂俺去俺来也www色官网| 人人妻人人澡人人爽人人夜夜| 精品午夜福利在线看| 亚洲五月色婷婷综合| 日韩,欧美,国产一区二区三区| 日本vs欧美在线观看视频| 九色亚洲精品在线播放| 色94色欧美一区二区| 少妇的丰满在线观看| 51国产日韩欧美| 大香蕉久久网| 少妇的逼好多水| 热re99久久精品国产66热6| 亚洲经典国产精华液单| 少妇的逼好多水| 欧美亚洲日本最大视频资源| 全区人妻精品视频| 综合色丁香网| av在线老鸭窝| 欧美日韩精品成人综合77777| 春色校园在线视频观看| 十八禁网站网址无遮挡| 各种免费的搞黄视频| 韩国av在线不卡| 亚洲精品美女久久av网站| 色吧在线观看| 久久久久久久大尺度免费视频| 国产免费福利视频在线观看| 男男h啪啪无遮挡| 日韩电影二区| 一区二区av电影网| 亚洲欧美日韩另类电影网站| 国产熟女欧美一区二区| 午夜免费鲁丝| 国产日韩欧美在线精品| 亚洲欧美成人综合另类久久久| 国产亚洲精品久久久com| 国产又色又爽无遮挡免| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品久久久久久精品古装| 在线天堂最新版资源| 国产片内射在线| 亚洲美女搞黄在线观看| 超色免费av| 好男人视频免费观看在线| 亚洲精品久久成人aⅴ小说| 男人操女人黄网站| 久久国内精品自在自线图片| av有码第一页| 一级毛片电影观看| 免费少妇av软件| av免费观看日本| 大香蕉97超碰在线| av有码第一页| 在线观看美女被高潮喷水网站| 日本91视频免费播放| 汤姆久久久久久久影院中文字幕| 高清欧美精品videossex| 欧美激情国产日韩精品一区| 国产亚洲欧美精品永久| 亚洲国产精品国产精品| 亚洲精品自拍成人| a级毛片黄视频| 少妇人妻久久综合中文| 亚洲精品第二区| 免费高清在线观看日韩| 久久99热这里只频精品6学生| 久久久a久久爽久久v久久| 只有这里有精品99| 最近2019中文字幕mv第一页| 大陆偷拍与自拍| 久久综合国产亚洲精品| 久久婷婷青草| 精品久久蜜臀av无| av在线app专区| 美女大奶头黄色视频| 亚洲,一卡二卡三卡| 久热这里只有精品99| 亚洲av成人精品一二三区| 欧美成人午夜精品| 制服丝袜香蕉在线| 一区二区三区四区激情视频| 人妻一区二区av| 欧美精品国产亚洲| 乱码一卡2卡4卡精品| 91午夜精品亚洲一区二区三区| 毛片一级片免费看久久久久| 热99久久久久精品小说推荐| 亚洲国产欧美在线一区| 老女人水多毛片| 日本午夜av视频| 精品一区二区三区视频在线| 日本免费在线观看一区| 美女福利国产在线| 99re6热这里在线精品视频| 精品午夜福利在线看| 国产爽快片一区二区三区| 91午夜精品亚洲一区二区三区| av电影中文网址| 亚洲国产日韩一区二区| 国产亚洲最大av| av在线app专区| 成人黄色视频免费在线看| 水蜜桃什么品种好| 永久免费av网站大全| 黄色毛片三级朝国网站| 国产精品人妻久久久久久| 亚洲成国产人片在线观看| 丝袜在线中文字幕| 亚洲美女黄色视频免费看| 国产老妇伦熟女老妇高清| 亚洲av电影在线进入| 午夜免费鲁丝| 亚洲,欧美,日韩| 男女边吃奶边做爰视频| 国产又爽黄色视频| 国产精品国产三级国产av玫瑰| 婷婷成人精品国产| 国产永久视频网站| 国产片特级美女逼逼视频| 久久精品人人爽人人爽视色| 看免费av毛片| 久久久久精品人妻al黑| 亚洲精品国产色婷婷电影| 免费少妇av软件| www.色视频.com| 另类精品久久| 国产永久视频网站| 中文乱码字字幕精品一区二区三区| 国产免费现黄频在线看| 在线观看免费高清a一片| kizo精华| 搡老乐熟女国产| 成人综合一区亚洲| 一本—道久久a久久精品蜜桃钙片| 如何舔出高潮| 亚洲熟女精品中文字幕| 黄色视频在线播放观看不卡| 十八禁网站网址无遮挡| 制服人妻中文乱码| 成年动漫av网址| 街头女战士在线观看网站| 日韩欧美精品免费久久| 亚洲经典国产精华液单| 日日摸夜夜添夜夜爱| 亚洲,欧美,日韩| 国产视频首页在线观看| kizo精华| 青春草亚洲视频在线观看| 秋霞伦理黄片| 一边亲一边摸免费视频| 日韩精品免费视频一区二区三区 | 国产一级毛片在线| 91aial.com中文字幕在线观看| 亚洲精品第二区| 亚洲av欧美aⅴ国产| 性色avwww在线观看| 国产白丝娇喘喷水9色精品| 精品少妇久久久久久888优播| 一区二区日韩欧美中文字幕 | 久久久久久久大尺度免费视频| 久久99蜜桃精品久久| 一级黄片播放器| 人成视频在线观看免费观看| 国产精品一区www在线观看| 国产免费福利视频在线观看| 五月天丁香电影| 免费女性裸体啪啪无遮挡网站| 午夜91福利影院| 亚洲成色77777| 啦啦啦视频在线资源免费观看| 高清视频免费观看一区二区| 亚洲精品久久午夜乱码| 亚洲精品美女久久久久99蜜臀 | 国产白丝娇喘喷水9色精品| 久久精品久久精品一区二区三区| 成人午夜精彩视频在线观看| 亚洲欧洲精品一区二区精品久久久 | 免费av中文字幕在线| 在线观看www视频免费| 日本-黄色视频高清免费观看| 国产在视频线精品| 日本-黄色视频高清免费观看| 亚洲综合精品二区| 大话2 男鬼变身卡| 男人爽女人下面视频在线观看| 久久精品人人爽人人爽视色| 精品少妇内射三级| 在线天堂中文资源库| 青青草视频在线视频观看| a级片在线免费高清观看视频| 精品久久国产蜜桃| 人妻 亚洲 视频| √禁漫天堂资源中文www| 国产成人精品一,二区| 色吧在线观看| 日韩视频在线欧美| 国产国拍精品亚洲av在线观看| 欧美精品高潮呻吟av久久| 少妇的丰满在线观看| 丝袜喷水一区| 大码成人一级视频| 精品国产一区二区三区四区第35| 少妇的逼好多水| 亚洲丝袜综合中文字幕| 亚洲欧洲精品一区二区精品久久久 | 在线观看美女被高潮喷水网站| 国产成人一区二区在线| 久久99热这里只频精品6学生| 国产探花极品一区二区| 91在线精品国自产拍蜜月| 99re6热这里在线精品视频| 午夜免费鲁丝| 久久久久久久久久久免费av| 亚洲综合精品二区| 午夜福利网站1000一区二区三区| 97精品久久久久久久久久精品| 亚洲av国产av综合av卡| 黄网站色视频无遮挡免费观看| 丝袜人妻中文字幕| 久久人人爽人人片av| 日韩av在线免费看完整版不卡| 少妇人妻精品综合一区二区| 亚洲美女黄色视频免费看| 999精品在线视频| av免费观看日本| 纯流量卡能插随身wifi吗| 婷婷色综合大香蕉| 内地一区二区视频在线| 亚洲综合色惰| 亚洲国产看品久久| 国产高清国产精品国产三级| 国产毛片在线视频| 免费观看性生交大片5| 精品酒店卫生间| 免费观看无遮挡的男女| 99视频精品全部免费 在线| 午夜老司机福利剧场| 大陆偷拍与自拍| 久久国内精品自在自线图片| 一级片免费观看大全| 99热全是精品| 日本av免费视频播放| 亚洲国产精品999| 综合色丁香网| 伦理电影大哥的女人| 卡戴珊不雅视频在线播放| 夫妻性生交免费视频一级片| www日本在线高清视频| 日本-黄色视频高清免费观看| 一本大道久久a久久精品| 日本黄大片高清| 水蜜桃什么品种好| 日本av免费视频播放| 亚洲精品国产av蜜桃| 精品一区二区免费观看| 一级爰片在线观看| 国国产精品蜜臀av免费| 色5月婷婷丁香| 日本av手机在线免费观看| 伦理电影大哥的女人| 成人无遮挡网站| 欧美日韩一区二区视频在线观看视频在线| 9热在线视频观看99| 蜜臀久久99精品久久宅男| 在线观看www视频免费| 日韩伦理黄色片| 新久久久久国产一级毛片| xxx大片免费视频| 赤兔流量卡办理| 亚洲av电影在线观看一区二区三区| 国产一区二区三区综合在线观看 | 国产福利在线免费观看视频| 最近2019中文字幕mv第一页| 日本色播在线视频| 乱人伦中国视频| xxx大片免费视频| 另类亚洲欧美激情| 高清不卡的av网站| 免费观看在线日韩| 亚洲欧美一区二区三区国产| 观看av在线不卡| 韩国精品一区二区三区 | 国产成人一区二区在线| 一二三四中文在线观看免费高清| 日本-黄色视频高清免费观看| 水蜜桃什么品种好| 哪个播放器可以免费观看大片| 久久精品国产a三级三级三级| 大码成人一级视频| 亚洲,欧美精品.| 国产1区2区3区精品| 中文字幕人妻丝袜制服| 一级黄片播放器| 欧美日韩精品成人综合77777| av黄色大香蕉| 欧美精品国产亚洲| 深夜精品福利| 精品卡一卡二卡四卡免费| 久久99一区二区三区| 麻豆精品久久久久久蜜桃| 看非洲黑人一级黄片| 亚洲成av片中文字幕在线观看 | 国产精品熟女久久久久浪| 1024视频免费在线观看| 晚上一个人看的免费电影| av免费在线看不卡| 午夜免费观看性视频| 日韩成人av中文字幕在线观看| 国产男女超爽视频在线观看| a级毛片黄视频| 欧美精品一区二区免费开放| av线在线观看网站| 国产精品三级大全| 欧美激情极品国产一区二区三区 | 1024视频免费在线观看| 狠狠精品人妻久久久久久综合| 一本—道久久a久久精品蜜桃钙片| av视频免费观看在线观看| 视频中文字幕在线观看| 熟女电影av网| 最近的中文字幕免费完整| 日韩中字成人| 精品一区二区三卡| 久久综合国产亚洲精品| 熟女电影av网| a级毛色黄片| 日韩制服骚丝袜av| 欧美变态另类bdsm刘玥| av在线播放精品| 日本免费在线观看一区| 国产精品国产三级国产专区5o| 99香蕉大伊视频| 国产亚洲av片在线观看秒播厂| 色哟哟·www| 亚洲,欧美精品.| 9191精品国产免费久久| 亚洲av中文av极速乱| 自线自在国产av| 有码 亚洲区| 免费看光身美女| 大香蕉97超碰在线| 日本av免费视频播放| 日本91视频免费播放| 久久久久人妻精品一区果冻| 成人亚洲精品一区在线观看| 熟女人妻精品中文字幕| 又大又黄又爽视频免费| 日韩电影二区| 久久 成人 亚洲| 亚洲国产精品一区二区三区在线| 久久精品久久久久久久性| 国产一区二区在线观看av| av视频免费观看在线观看| 啦啦啦视频在线资源免费观看| 国产成人精品无人区| 国产69精品久久久久777片| 亚洲国产av新网站| 久热这里只有精品99| 久久精品久久精品一区二区三区| 国产福利在线免费观看视频| 女人被躁到高潮嗷嗷叫费观| 高清av免费在线| www.av在线官网国产| av不卡在线播放| 亚洲精品,欧美精品| 91成人精品电影| 黑人欧美特级aaaaaa片| 香蕉丝袜av| 国产乱来视频区| av免费在线看不卡| 深夜精品福利| 国产精品熟女久久久久浪| 哪个播放器可以免费观看大片| 国产免费又黄又爽又色| 国精品久久久久久国模美| 人人妻人人澡人人爽人人夜夜| 国产在视频线精品| 国产免费福利视频在线观看| av播播在线观看一区| 成年人午夜在线观看视频| 母亲3免费完整高清在线观看 | 各种免费的搞黄视频| av在线老鸭窝| 久久精品久久久久久噜噜老黄| 少妇人妻精品综合一区二区| 18在线观看网站| 欧美成人午夜精品| 91午夜精品亚洲一区二区三区| 久久人人爽人人片av| 69精品国产乱码久久久| 狠狠精品人妻久久久久久综合| 男人操女人黄网站| 久久人人97超碰香蕉20202| 精品国产一区二区久久| 三上悠亚av全集在线观看| 亚洲国产av新网站| 午夜福利视频在线观看免费| av又黄又爽大尺度在线免费看| 国产色婷婷99| 欧美国产精品一级二级三级| a级片在线免费高清观看视频| 精品少妇久久久久久888优播| 日韩熟女老妇一区二区性免费视频| 嫩草影院入口| 成年美女黄网站色视频大全免费| 国产精品久久久久久精品电影小说| 久久久亚洲精品成人影院| 亚洲精品第二区| 国产熟女午夜一区二区三区| 国产在线一区二区三区精| av又黄又爽大尺度在线免费看| 少妇的逼水好多| 91在线精品国自产拍蜜月| 亚洲成人av在线免费| 亚洲四区av| 18在线观看网站| 亚洲精品国产av蜜桃| 中国三级夫妇交换| 男人添女人高潮全过程视频| 中国国产av一级| 日韩熟女老妇一区二区性免费视频| 99久久精品国产国产毛片| 日韩av在线免费看完整版不卡| 亚洲av综合色区一区| 国产成人91sexporn| 久久这里有精品视频免费| 国产成人av激情在线播放| 捣出白浆h1v1| 国产精品嫩草影院av在线观看| 少妇被粗大猛烈的视频| 欧美97在线视频| 人人妻人人添人人爽欧美一区卜| 男的添女的下面高潮视频| 亚洲图色成人| 久久影院123| 纵有疾风起免费观看全集完整版| 亚洲精品一区蜜桃| 免费大片18禁| 一级片免费观看大全| 午夜福利视频在线观看免费| 高清不卡的av网站| 欧美亚洲 丝袜 人妻 在线| 免费少妇av软件| 大片免费播放器 马上看| 制服诱惑二区| 国产午夜精品一二区理论片| 2021少妇久久久久久久久久久| 亚洲美女视频黄频|