• <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 ?

    基于深度學習的信源數(shù)估計方法

    2019-08-07 08:44:10麻凱利王川川
    航天電子對抗 2019年3期
    關鍵詞:時頻卷積神經網絡

    麻凱利,王川川

    (電子信息系統(tǒng)復雜電磁環(huán)境效應國家重點實驗室,河南 洛陽 471003)

    0 引言

    盲源分離(BBS) 自20世紀80年代開始發(fā)展,是一種非常實用的信號處理方法,指的是從混合的觀測信號中提取、分離出無法直接得到的原始信號的技術??臻g譜技術中大部分算法需要知道入射信號數(shù)N,以此作為盲源分離的前提和基礎,因而輻射源個數(shù)估計也一直是研究的熱點和難點。

    現(xiàn)在信源數(shù)估計的主要算法有:信息論準則[1]、矩陣分解法、蓋氏圓準則(GDE)[2]和正則相關技術。其中信息論準則適用于陣元接收的噪聲是高斯白噪聲的場合,而實際環(huán)境中更多地存在有色噪聲,在有色噪聲的干擾下,算法性能會受很大影響。矩陣分解法需要接收的信號有比較高的信噪比。在有色噪聲的環(huán)境下可以使用蓋氏圓準則和正則相關技術對信源數(shù)作有效的估計,但是正則相關技術的信源數(shù)估計需要有兩個分開陣列的接收信號,因而使用的陣列需要滿足一定的孔徑。蓋氏圓準則因為其在低信噪比的情況下正確率比信息論準則和矩陣分解法要高,而且在有色噪聲的情況下仍然可以有效估計信源數(shù),所以得到了廣泛使用。

    蓋氏圓準則設計中存在人為確定調整因子的問題,因而整個過程不能完全自動處理,并且需要進行奇異值分解,計算量較大。GDE準則法在低信噪比條件下檢測性能也不盡如人意。使用基于深度學習的命名為3CPB的模型,則可以使系統(tǒng)在數(shù)據(jù)中自適應地調整參數(shù),不但識別性能得到改善,而且避免了人為因素造成的影響。

    將信號轉換為二維時頻圖[3]之后使用深度卷積網絡來對信號進行分析[4]是現(xiàn)下技術水平中一個可行的路線。但這其中涉及到網絡結構的設計與優(yōu)化、網絡參數(shù)的選擇等。深度學習技術在信號分析中的使用更多的是淺層網絡的使用,近幾年優(yōu)秀的網絡結構還沒有能引入到信號處理的網絡中來提高信號源數(shù)估計的性能。在綜合考慮網絡的規(guī)模、結構、參數(shù)之后,可以使用端到端的卷積神經網絡來對信號源的數(shù)目進行一個準確的估計,在源數(shù)估計問題上開辟一個新的技術路線。

    1 神經網絡理論

    深度學習中主要使用的是多層神經網絡,其主要分為前向神經網絡(FNN)和遞歸神經網絡(RNN)兩種。最普遍的神經網絡類型是前向網絡,其設計基礎是受到人類大腦皮層結構的啟發(fā),網絡由一層一層的計算單元疊加而成,每層的輸出進行一定的變換并作為下一層的輸入,每層計算單元由數(shù)量固定的神經元組成。在每個網絡模型中,首層是輸入層,最后一層為輸出層,中間所有的層都叫做隱含層。前向網絡中,數(shù)據(jù)從輸入層開始,經過數(shù)個隱含層的變換,自底向上的傳遞,并經過輸出層得出計算結果,網絡結構是有個有向無環(huán)圖。圖1展示了前向神經網絡和遞歸神經網絡的幾種結構示例,箭頭代表了數(shù)據(jù)的傳遞方向,方框代表了每個計算層。本節(jié)以前向網絡為基礎介紹神經網絡中一些基礎概念。在計算機視覺中前向網絡針對圖像的二維矩陣特性發(fā)展為一種卷積神經網絡(CNN),由于其結構的特殊性,本文在下一節(jié)介紹卷積神經網絡的相關知識。

    圖1 神經網絡的常見結構

    1.1 神經網絡的前向傳播

    前向傳播是數(shù)據(jù)從輸入層,經過隱含層的變換最終從輸出層得到計算結果的一系列計算過程。以形式較為簡單的分類神經網絡為例,樣本的輸入為x,樣本的標簽為y,隱含層中使用的非線性激活函數(shù)為σ。則輸入層下一層的隱含層輸入為α(1)和激活h(1)之間的關系為:

    α(1)=W(1)x+b(1)

    (1)

    h(1)=σ(a(1))

    (2)

    式中,W(1)是參數(shù)矩陣,是與輸入數(shù)據(jù)維度對應的矩陣數(shù)列,需要由訓練過程來確定,b(1)為偏差向量,初始為隨機數(shù),也是由迭代訓練來確定。激活函數(shù)σ使用sigmoid函數(shù)進行非線性變換。由此步驟將第一層的參數(shù)傳輸?shù)较乱粚?,網絡的前向傳播依次一層一層向后傳播直到網絡的輸出層。

    1.2 神經網絡的反向傳播

    神經網絡的訓練是一個從后向前依次更新參數(shù)的過程,使用梯度下降的方法指導參數(shù)更新。因此,計算網絡損失函數(shù)的值對參數(shù)的梯度來說非常重要,反向傳播就是通過不斷迭代來計算參數(shù)梯度的最普遍的方法。由于神經網絡層數(shù)多,是一個復雜的非線性系統(tǒng),損失函數(shù)的解析式很難得出,因而反向傳播以一種一層一層信息傳遞的方式來迭代進行,在每層計算出每個計算單元中參數(shù)的梯度。也就是說,反向傳播是一個局部的算法,每次計算的時候只考慮局部的輸入輸出,不用考慮整個網絡模型。

    1.3 卷積神經網絡

    卷積神經網絡(CNN)[5-6]是最廣泛應用于計算機視覺的一個發(fā)展方向。卷積神經網絡可以提供多任務的融合以及端到端的訓練和測試,使得算法會更簡便。卷積神經網絡是針對圖像所設計的一種特殊的前向神經網絡,針對圖像二維矩陣數(shù)據(jù)之間的關聯(lián)性進行了優(yōu)化,主要包含卷積層、池化層、全連接層、激活函數(shù)層這幾種計算層。

    1.3.1 卷積層

    卷積層是卷積神經網絡最有特色的一部分,同時該層中也包含了整個網絡中絕大部分的參數(shù)。卷積層是對二維輸入進行滑動窗卷積,也就是對圖像的空域卷積。網絡中每一層的節(jié)點只與前一層的k×k的局部區(qū)域相連接,前一層參與連接的k×k個點構成與之連接的這個節(jié)點的感受野,因此,隨著層數(shù)的增加,感受野也在不同層之后逐漸積累,越來越大。即底層的每個節(jié)點對應的圖像上的點比較少,感受野小,更上層的節(jié)點對應的圖像上的點多,感受野大。這在一定程度上也造成了卷積層在前幾層提取到的特征較為低級,如邊緣、線條、角,而更高層的卷積層提取到更高級的特征。

    1.3.2 批量歸一化

    深度神經網絡難以訓練的另一個原因是模型是由一層一層的神經網絡疊加而構成,每一層作用于前一層之上,訓練時每一層權值的調整都是基于上一層的輸出。然而,在網絡的訓練過程中,每一層的參數(shù)在變化,輸出數(shù)據(jù)的分布也隨之變化,這樣,網絡每一層輸入數(shù)據(jù)的分布受到之前所有層的影響,這使得權值的更新在擬合一個變動的權值分布,并且網絡越深,底層微小的參數(shù)變化累積后的效應會更加明顯。

    這一現(xiàn)象影響了網絡訓練的速度同時也使網絡更加難以訓練,Ioffe等人[7]提出了批量歸一化(BN),將網絡每一層的輸入數(shù)據(jù)的每一維進行歸一化。同時,BN 引入尺度參數(shù)γ和偏移參數(shù)β使得網絡的表達能力不下降。BN層的歸一化參數(shù)與網絡參數(shù)的訓練同步進行。BN極大地提高了網絡訓練的穩(wěn)定性和速度,是訓練深度神經網絡時必用的關鍵技術。

    1.3.3 池化層

    池化層主要作用是通過降低數(shù)據(jù)的大小來減少訓練的參數(shù)個數(shù),并且可以有效地防止數(shù)據(jù)過擬合的發(fā)生。最常用的方法是最大化池化、平均池化,即在給定池化區(qū)域和步長之后,從區(qū)域中選擇數(shù)值最大的點或者區(qū)域平均值作為整個區(qū)域的代表,這種操作可以提取區(qū)域內最有特征的點并增加抗噪能力。

    1.4 不同深度的抽象能力

    圖2 不同層的可視化

    池深度學習之所以能有很強的特征表達能力,很大程度上得力于模型有很多個層次結構,不同卷積層能學習到不同抽象程度的特征,圖2中展示了使用Zeiler[8]等人設計的卷積神經網絡在ImageNet 數(shù)據(jù)集上學習得到的各層特征的可視化。對于每一個卷積層,圖2中展示了其最高的9 個響應值,同時伴隨顯示了該響應所對應的原圖上的感受野??梢钥吹?,卷積神經網絡具有強大的特征表示能力,同時,隨著網絡層數(shù)的升高,網絡對于圖像中的相應面積越來越大,所提取的特征也從底層梯度特征逐漸擴大到高層目標區(qū)域特征。

    可以看出在卷積層前幾層所學習到的特征為邊緣、角的特征,而層數(shù)加深的時候慢慢學到更抽象的一些概念如輪子、眼睛等,而這種底層特征在不同目標之間是通用的,即在信號數(shù)據(jù)處理過程中,也存在著神經網絡前幾層提取的特征較為底層,而隨著網絡的加深,所提取到的信息更加抽象、更加復雜。

    2 基于卷積神經網絡的網絡結構設計

    2.1 單通道信號時頻特征提取

    估計輻射源信號個數(shù)時,要對傳感器內接收到的信號進行一定的預處理,文獻[9]指出雷達信號時頻特征具有唯一可辨識性,因此,在本系統(tǒng)中采用短時傅里葉變換(STFT)將信號表征為二維時頻分布??勺⒁獾?,一方面變換域同時涵蓋了時域和頻域的有意調制信息,另一方面可考慮利用圖像處理方式處理二維時頻圖,示例圖如圖3所示。

    圖3 幾種典型信號的時頻圖

    同時,在卷積網絡池化層、權值共享等相關機制的作用下,時頻圖原本維度過高的缺點也能得到抑制,這也是深度卷積網絡在圖像上應用的一大特點。

    選取7種有代表性的信號來構造訓練集、測試集,以驗證算法的有效性,即使用線性調頻LFM信號、非線性調頻NLFM信號、二頻率編碼BFSK、四頻率編碼QFSK、二相編碼BPSK、四相編碼QPSK編碼、常規(guī)脈沖信號CP這7種典型信號的不同混合來模擬混合信號。圖3為二頻編碼、二相編碼、QPSK編碼的幾個樣本。

    2.2 網絡結構的設計

    現(xiàn)有的應用于數(shù)據(jù)分析的基于神經網絡的系統(tǒng)大多只是淺層網絡,只包含一個隱含層,并不能將深度卷積網絡的特性充分發(fā)揮。然而過于深的網絡或者過于寬的網絡又會出現(xiàn)訓練困難、無法收斂或者是過擬合等問題。需要針對具體問題、數(shù)據(jù)特點設計相應深度、寬度、結構的網絡。

    2.2.1 網絡搭建

    在網絡結構上,根據(jù)實際問題決定網絡的深度,一般認為卷積層的個數(shù)為網絡的深度。同時過深的網絡也會導致訓練過程容易發(fā)散或者網絡過擬合的問題。在本問題中,使用3個卷積層,每個卷積層之后都加上池化層,以此減小圖片的維度,提取其中有用特征。在分析圖3后,認為與普通分類任務相比,時頻圖的池化操作中更應保持信號的能量,尤其是在較低分辨率的情況下,因而網絡中所有的池化層都采用最大池化,如圖4中的pool模塊。為增強模型非線性表達能力,在每個卷積層后都添加激活層。這個操作在卷積神經網絡的設計中基本已經成為標準操作。模型難以在一行中畫出, 以數(shù)字1、 2表示對應的連接。

    圖4 3PCB模型結構圖

    考慮到讓網絡有更好的訓練效果,在2次pooling操作后還分別加入2個批量歸一化層,保證網絡可以盡快收斂。由于本模型最大的特征是有3個卷積層,及每個卷積層后都有pool池化和Batch Normalization操作,因而為這個模型取名3CPB模型,即3個卷積、池化、批量歸一化的線性網絡。

    2.2.2 Kernel Size

    在近幾年Alexnet[10]、VGGNe[11]等網絡的設計經驗中,知道了用更小的卷積核可以使網絡在有相同感受野的情況下有更多的非線性表達能力、更少的參數(shù)、更容易訓練。如一個5×5的卷積核感受野為25,參數(shù)為25個。而用3×3的卷積核時,要完成對5×5面積的卷積,則需要2層:第一層卷積后得到3×3的特征圖,第二層卷積之后得到1個特征點。小卷積核對相同5×5面積進行濾波一共需要9+1=10個參數(shù),而2層的特征表達能力又會比一層表達能力更強,因而更小的卷積核可以使得計算量更小、網絡表達能力更強。因此針對信號源數(shù)估計的網絡我們普遍采用3×3的卷積核。

    3 實驗設計

    在仿真生成混疊信號時,在添加不同強度的隨機高斯噪聲的情況下,仿真生成20000組不同數(shù)據(jù),其中包括單個信號、不同的2種信號的混疊、不同的3種信號的混疊。每種信號的強度、參數(shù)、以及添加的噪聲都是隨機的。將整個數(shù)據(jù)集中40%拿出來當作測試集檢驗模型效果,剩余部分當作訓練集。為了加快模型訓練、檢測速度,將混疊信號的時頻圖片縮放到32×32大小后作為網絡的輸入。圖5分別為1種、2種、3種信號的混疊。其中圖5(a)是二頻編碼,圖5 (b)是二頻編碼和二相編碼信號的混疊,圖5 (c)是三種信號的混疊的時頻圖。其信號源個數(shù)分別為1、2、3。

    圖5 混疊信號時頻圖

    Caffe平臺是一個非常流行的深度學習框架,這個模型也基于caffe來構建,訓練模型過程中超參選擇為迭代60000次、初始學習率設為0.001,學習率固定不變。

    對比網絡在不同信噪比的情況下對信號源數(shù)估計的準確率,同時也對比相同信噪比情況下,不同網絡配置時準確率的變化,以找到網絡結構對源數(shù)估計相關問題的優(yōu)化方向。

    本文在不同信噪比情況下對網絡識別的性能進行了對比試驗,同時也就池化層的2種方式訓練了不同的模型來對照。表1中信噪比-5dB的情況下,池化層是最大化池化的設置確實可以使網絡更加精確。在信噪比越高的情況下,識別精度也隨之提高。在信噪比10dB的數(shù)據(jù)集中可以達到98.5%的識別準確率。

    表1 不同條件下源數(shù)估計準確率

    4 結束語

    在信號盲源分離領域,針對信號源數(shù)估計的問題,本文引入深度學習這一方法。通過將信號變換到時頻空間,使用卷積神經網絡來進行問題求解。借鑒現(xiàn)有的較成熟的網絡結構,針對問題規(guī)模、時頻圖像特征,通過設計、調參、精調等方式使用3CPB模型解決問題。將深度卷積網絡引入源數(shù)估計領域,為源數(shù)估計開辟了除傳統(tǒng)方法之外的新的技術路線,使得模型在有色噪聲干擾下有較好的識別效果。

    猜你喜歡
    時頻卷積神經網絡
    基于3D-Winograd的快速卷積算法設計及FPGA實現(xiàn)
    神經網絡抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標跟蹤算法
    基于神經網絡的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    復數(shù)神經網絡在基于WiFi的室內LBS應用
    基于時頻分析的逆合成孔徑雷達成像技術
    基于支持向量機回歸和RBF神經網絡的PID整定
    對采樣數(shù)據(jù)序列進行時頻分解法的改進
    一種基于卷積神經網絡的性別識別方法
    電視技術(2014年19期)2014-03-11 15:38:20
    性色avwww在线观看| 一级毛片黄色毛片免费观看视频| 欧美日本中文国产一区发布| 亚洲人成77777在线视频| 男女啪啪激烈高潮av片| 日本午夜av视频| 高清av免费在线| 欧美日韩视频高清一区二区三区二| 精品久久久精品久久久| 亚洲精品日本国产第一区| 香蕉精品网在线| 99热这里只有精品一区| 日韩精品免费视频一区二区三区 | av天堂久久9| 嫩草影院入口| 老司机影院成人| 国产成人aa在线观看| 我要看黄色一级片免费的| 18禁在线无遮挡免费观看视频| 亚洲国产精品一区三区| 啦啦啦在线观看免费高清www| 九九久久精品国产亚洲av麻豆| 亚洲一级一片aⅴ在线观看| 国精品久久久久久国模美| 51国产日韩欧美| 精品久久久噜噜| 免费av不卡在线播放| 观看av在线不卡| 一级二级三级毛片免费看| 国产成人aa在线观看| 免费人成在线观看视频色| 欧美激情国产日韩精品一区| 十八禁网站网址无遮挡| 人妻制服诱惑在线中文字幕| 91精品三级在线观看| 人妻制服诱惑在线中文字幕| 欧美激情 高清一区二区三区| 熟女av电影| 91精品三级在线观看| 夫妻性生交免费视频一级片| 精品熟女少妇av免费看| 免费观看av网站的网址| 伊人亚洲综合成人网| 欧美日韩成人在线一区二区| 人妻夜夜爽99麻豆av| 亚洲精品自拍成人| 日本与韩国留学比较| 最黄视频免费看| 如日韩欧美国产精品一区二区三区 | 久久精品国产亚洲av天美| 国产一区有黄有色的免费视频| 国产亚洲精品第一综合不卡 | 老女人水多毛片| 日韩在线高清观看一区二区三区| 全区人妻精品视频| 日韩人妻高清精品专区| 在线观看国产h片| 日韩 亚洲 欧美在线| 又黄又爽又刺激的免费视频.| 五月开心婷婷网| 国产精品一国产av| 亚洲精品国产色婷婷电影| 国产精品99久久99久久久不卡 | 综合色丁香网| 午夜精品国产一区二区电影| 91精品三级在线观看| 男人操女人黄网站| 精品少妇久久久久久888优播| 免费黄色在线免费观看| 日韩一区二区视频免费看| 两个人的视频大全免费| 成人影院久久| 丝袜在线中文字幕| 久久女婷五月综合色啪小说| 亚洲美女视频黄频| 成人无遮挡网站| 乱人伦中国视频| 波野结衣二区三区在线| 草草在线视频免费看| 久久 成人 亚洲| 99久久人妻综合| 国产白丝娇喘喷水9色精品| 久久精品国产自在天天线| 亚洲,一卡二卡三卡| 91精品国产九色| 国产在线视频一区二区| 亚洲欧美成人综合另类久久久| 在线观看免费高清a一片| 免费黄网站久久成人精品| 久久久久久久久久人人人人人人| 午夜久久久在线观看| 欧美日韩av久久| 99久久精品一区二区三区| 日韩av不卡免费在线播放| 一级毛片 在线播放| av不卡在线播放| 国产一区有黄有色的免费视频| 两个人的视频大全免费| 欧美少妇被猛烈插入视频| 久久久久网色| 婷婷成人精品国产| 女的被弄到高潮叫床怎么办| 又黄又爽又刺激的免费视频.| 亚洲国产精品999| 亚洲在久久综合| 亚洲精品美女久久av网站| 精品熟女少妇av免费看| 欧美日韩精品成人综合77777| 国产欧美另类精品又又久久亚洲欧美| 国产一区亚洲一区在线观看| 亚洲av电影在线观看一区二区三区| 亚洲色图综合在线观看| 欧美xxxx性猛交bbbb| 夜夜爽夜夜爽视频| 成人亚洲精品一区在线观看| 国产精品人妻久久久影院| 国产片特级美女逼逼视频| av专区在线播放| 欧美亚洲 丝袜 人妻 在线| 亚洲情色 制服丝袜| 亚洲成人一二三区av| 黄色配什么色好看| 亚洲精品色激情综合| 曰老女人黄片| 人妻一区二区av| 亚洲天堂av无毛| 嫩草影院入口| 赤兔流量卡办理| 免费人妻精品一区二区三区视频| 丝袜美足系列| 人妻 亚洲 视频| 国产精品国产三级专区第一集| 天堂8中文在线网| 国产精品久久久久久久久免| 欧美xxⅹ黑人| 中文字幕最新亚洲高清| 18禁观看日本| 交换朋友夫妻互换小说| 久久影院123| 美女视频免费永久观看网站| 国产男女超爽视频在线观看| 国产男女内射视频| 丝袜在线中文字幕| 成人毛片60女人毛片免费| 中国国产av一级| 香蕉精品网在线| 国产av码专区亚洲av| 欧美精品国产亚洲| 狠狠精品人妻久久久久久综合| 成人亚洲欧美一区二区av| 黑人高潮一二区| 日韩 亚洲 欧美在线| 亚洲久久久国产精品| 亚洲av成人精品一二三区| 热99国产精品久久久久久7| 午夜视频国产福利| 一区二区av电影网| 一边摸一边做爽爽视频免费| 久久国产精品大桥未久av| 日韩中文字幕视频在线看片| 青春草国产在线视频| 黄色配什么色好看| xxx大片免费视频| 免费黄色在线免费观看| 99国产综合亚洲精品| 国产男女内射视频| 亚洲精品国产av蜜桃| 成人亚洲精品一区在线观看| 国产国语露脸激情在线看| 国产精品一区二区在线不卡| 插阴视频在线观看视频| 精品一区二区三区视频在线| 国产在线一区二区三区精| 亚洲国产精品国产精品| 精品久久久噜噜| 久久精品人人爽人人爽视色| 久久99精品国语久久久| 五月玫瑰六月丁香| 免费观看性生交大片5| 高清欧美精品videossex| 丝袜在线中文字幕| 大又大粗又爽又黄少妇毛片口| 欧美+日韩+精品| 国产精品国产三级专区第一集| 日韩大片免费观看网站| 亚洲欧美日韩卡通动漫| 曰老女人黄片| 国产色爽女视频免费观看| 大香蕉久久网| 大香蕉久久成人网| 国产片内射在线| 日韩 亚洲 欧美在线| 成年人免费黄色播放视频| 国产成人免费观看mmmm| 亚洲精品成人av观看孕妇| 女人久久www免费人成看片| 日韩中文字幕视频在线看片| 人妻系列 视频| 亚洲精品一二三| 国产一区二区三区综合在线观看 | 大片免费播放器 马上看| 国产精品99久久99久久久不卡 | 欧美日韩视频高清一区二区三区二| 热re99久久精品国产66热6| 亚洲欧美成人精品一区二区| 狠狠婷婷综合久久久久久88av| 亚洲欧美成人综合另类久久久| 免费观看性生交大片5| 亚洲成人一二三区av| 80岁老熟妇乱子伦牲交| 久久人妻熟女aⅴ| 亚洲国产av新网站| 一二三四中文在线观看免费高清| 在线亚洲精品国产二区图片欧美 | 人人妻人人澡人人看| 国产精品女同一区二区软件| 人妻少妇偷人精品九色| 天天影视国产精品| 久久99一区二区三区| 国产精品人妻久久久影院| 2021少妇久久久久久久久久久| 国产欧美日韩一区二区三区在线 | 免费大片18禁| 人妻系列 视频| 人人妻人人爽人人添夜夜欢视频| 亚洲美女黄色视频免费看| 亚洲情色 制服丝袜| 国产一级毛片在线| 黄色一级大片看看| 少妇丰满av| 日日摸夜夜添夜夜爱| 久久久久久久国产电影| av有码第一页| 国产国语露脸激情在线看| 亚洲婷婷狠狠爱综合网| 中文字幕人妻熟人妻熟丝袜美| 高清午夜精品一区二区三区| 国产精品国产三级国产av玫瑰| 最近手机中文字幕大全| 成人综合一区亚洲| 边亲边吃奶的免费视频| 午夜激情久久久久久久| 一级毛片我不卡| 久久精品国产鲁丝片午夜精品| 国产成人freesex在线| 国产精品无大码| 久久影院123| 水蜜桃什么品种好| 国产色爽女视频免费观看| 满18在线观看网站| 国产一区二区在线观看av| 亚洲人与动物交配视频| 日本免费在线观看一区| 亚洲高清免费不卡视频| 国产探花极品一区二区| 国产男女内射视频| 久久久久久久国产电影| 欧美日韩一区二区视频在线观看视频在线| 国产一区二区在线观看av| 精品久久久精品久久久| 蜜桃久久精品国产亚洲av| 国产白丝娇喘喷水9色精品| 亚洲国产精品专区欧美| 中文字幕av电影在线播放| 天堂俺去俺来也www色官网| 97超碰精品成人国产| 视频在线观看一区二区三区| 久久久精品94久久精品| 秋霞在线观看毛片| 免费少妇av软件| 最近中文字幕2019免费版| 3wmmmm亚洲av在线观看| 免费观看性生交大片5| 国产成人aa在线观看| 久久精品国产亚洲av涩爱| 精品一区二区免费观看| av女优亚洲男人天堂| 亚洲成人手机| 欧美日韩视频高清一区二区三区二| 啦啦啦中文免费视频观看日本| 国产视频内射| 亚洲欧美成人精品一区二区| 亚洲天堂av无毛| 久久97久久精品| 中文字幕免费在线视频6| 亚洲精品美女久久av网站| 少妇被粗大猛烈的视频| 午夜91福利影院| 亚洲国产毛片av蜜桃av| 熟女电影av网| 一级毛片电影观看| 国产精品国产三级国产专区5o| 伊人久久精品亚洲午夜| 亚洲av成人精品一二三区| 国产成人免费无遮挡视频| 男人添女人高潮全过程视频| 国产精品国产三级专区第一集| 高清不卡的av网站| 亚洲精品视频女| 亚洲精品久久久久久婷婷小说| 国产男人的电影天堂91| 三级国产精品片| 高清视频免费观看一区二区| 婷婷色综合大香蕉| 国产黄片视频在线免费观看| 亚洲精品乱码久久久v下载方式| 欧美xxⅹ黑人| 久久97久久精品| 色5月婷婷丁香| 高清av免费在线| 国产色爽女视频免费观看| 亚洲av成人精品一二三区| 久热久热在线精品观看| 国产精品成人在线| 欧美丝袜亚洲另类| 2022亚洲国产成人精品| 少妇人妻精品综合一区二区| 亚洲精品日韩在线中文字幕| 最近2019中文字幕mv第一页| 欧美精品人与动牲交sv欧美| a级毛片黄视频| 国产熟女欧美一区二区| 丝袜美足系列| 人人妻人人澡人人爽人人夜夜| 91在线精品国自产拍蜜月| 免费看不卡的av| 中文精品一卡2卡3卡4更新| 欧美成人午夜免费资源| 九九久久精品国产亚洲av麻豆| 18禁动态无遮挡网站| 国产一区二区三区av在线| 国产精品久久久久久精品电影小说| 日本-黄色视频高清免费观看| 男男h啪啪无遮挡| 欧美激情极品国产一区二区三区 | 美女内射精品一级片tv| 大香蕉久久网| 久久国产亚洲av麻豆专区| 国产成人freesex在线| 免费大片18禁| 亚洲精品美女久久av网站| 中国三级夫妇交换| 亚洲人成网站在线播| 五月伊人婷婷丁香| 狠狠精品人妻久久久久久综合| 国产熟女午夜一区二区三区 | 日本vs欧美在线观看视频| 久久久久久人妻| 日韩伦理黄色片| 久久久久久久大尺度免费视频| 男的添女的下面高潮视频| 啦啦啦中文免费视频观看日本| 国产高清三级在线| 亚洲美女黄色视频免费看| 国产高清有码在线观看视频| 少妇精品久久久久久久| 亚洲欧美一区二区三区黑人 | 少妇高潮的动态图| 女人精品久久久久毛片| 秋霞在线观看毛片| 日韩 亚洲 欧美在线| 一级爰片在线观看| 亚洲精品,欧美精品| 国产免费视频播放在线视频| 天天影视国产精品| 亚洲激情五月婷婷啪啪| 在线观看美女被高潮喷水网站| 亚洲国产成人一精品久久久| 全区人妻精品视频| 亚洲综合色网址| 亚洲五月色婷婷综合| 国产欧美亚洲国产| 亚洲欧洲国产日韩| 亚洲精品日本国产第一区| 亚洲在久久综合| 18禁裸乳无遮挡动漫免费视频| 99热全是精品| 美女脱内裤让男人舔精品视频| 久久久久人妻精品一区果冻| 乱人伦中国视频| 免费高清在线观看视频在线观看| 一本久久精品| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲国产精品999| 视频区图区小说| 婷婷色综合大香蕉| 亚洲四区av| 亚洲欧美成人精品一区二区| 成人国语在线视频| 午夜精品国产一区二区电影| 人成视频在线观看免费观看| 毛片一级片免费看久久久久| kizo精华| 欧美bdsm另类| 欧美 亚洲 国产 日韩一| 五月开心婷婷网| 一级二级三级毛片免费看| 久热久热在线精品观看| 最近中文字幕2019免费版| 精品久久久久久久久av| 免费黄网站久久成人精品| 成人综合一区亚洲| 国产不卡av网站在线观看| 亚洲美女黄色视频免费看| 一区二区三区乱码不卡18| 免费人成在线观看视频色| 亚洲色图综合在线观看| 观看av在线不卡| 好男人视频免费观看在线| 免费人成在线观看视频色| 人成视频在线观看免费观看| av国产精品久久久久影院| 男女无遮挡免费网站观看| 黄片无遮挡物在线观看| 一本大道久久a久久精品| 少妇高潮的动态图| 国产一区亚洲一区在线观看| 亚洲欧美一区二区三区国产| 伊人久久精品亚洲午夜| 大码成人一级视频| 嘟嘟电影网在线观看| 母亲3免费完整高清在线观看 | 少妇人妻精品综合一区二区| 免费看不卡的av| 国产成人免费观看mmmm| 另类精品久久| 纵有疾风起免费观看全集完整版| 国产av国产精品国产| 亚洲成人一二三区av| 尾随美女入室| 亚洲av不卡在线观看| www.av在线官网国产| 一级片'在线观看视频| 九色亚洲精品在线播放| 中文字幕av电影在线播放| 亚洲少妇的诱惑av| 汤姆久久久久久久影院中文字幕| 中文字幕精品免费在线观看视频 | 丰满饥渴人妻一区二区三| 国产在线免费精品| 精品久久蜜臀av无| 韩国av在线不卡| 国产成人freesex在线| 91久久精品国产一区二区三区| 亚洲欧美色中文字幕在线| 日本与韩国留学比较| 亚洲国产色片| 日本-黄色视频高清免费观看| 久久精品久久精品一区二区三区| 黄色欧美视频在线观看| 日本wwww免费看| 亚洲国产色片| 熟女电影av网| 国精品久久久久久国模美| 尾随美女入室| 九色成人免费人妻av| 99热这里只有精品一区| 久久99精品国语久久久| 狂野欧美激情性bbbbbb| 免费高清在线观看日韩| 在线观看www视频免费| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 丝瓜视频免费看黄片| 精品亚洲成国产av| 国产男人的电影天堂91| 亚洲无线观看免费| 王馨瑶露胸无遮挡在线观看| 边亲边吃奶的免费视频| 国产一级毛片在线| 一本色道久久久久久精品综合| 成人午夜精彩视频在线观看| av在线播放精品| 日本黄色日本黄色录像| 我要看黄色一级片免费的| 男女边摸边吃奶| 亚洲成人一二三区av| 色婷婷av一区二区三区视频| 日韩一区二区视频免费看| 观看美女的网站| 色网站视频免费| 精品一区二区三区视频在线| 制服诱惑二区| 中文字幕制服av| 26uuu在线亚洲综合色| 久久精品国产亚洲网站| 国产成人精品无人区| 好男人视频免费观看在线| 欧美日本中文国产一区发布| 丰满乱子伦码专区| 精品亚洲成a人片在线观看| 国产精品一国产av| 国产视频内射| 少妇丰满av| 夜夜爽夜夜爽视频| 观看美女的网站| 国产熟女欧美一区二区| 久久精品国产亚洲网站| 菩萨蛮人人尽说江南好唐韦庄| 成年女人在线观看亚洲视频| 久久青草综合色| 成人亚洲欧美一区二区av| 黄色视频在线播放观看不卡| 亚洲熟女精品中文字幕| 国产亚洲精品第一综合不卡 | 免费av中文字幕在线| 久久久久久久亚洲中文字幕| 亚洲欧美成人综合另类久久久| 香蕉精品网在线| 在线观看免费日韩欧美大片 | 天天躁夜夜躁狠狠久久av| 久久影院123| 中文字幕亚洲精品专区| 午夜av观看不卡| 亚洲欧美中文字幕日韩二区| 你懂的网址亚洲精品在线观看| 男女国产视频网站| 中文字幕亚洲精品专区| 成人手机av| 国内精品宾馆在线| 国产成人一区二区在线| 中文字幕最新亚洲高清| 久久久欧美国产精品| 国产精品欧美亚洲77777| 亚洲少妇的诱惑av| 我的女老师完整版在线观看| 国产午夜精品一二区理论片| 国产成人免费无遮挡视频| 国产熟女欧美一区二区| 日本欧美国产在线视频| 91久久精品电影网| 中文乱码字字幕精品一区二区三区| 三级国产精品欧美在线观看| 亚洲国产精品成人久久小说| 国产成人精品无人区| 丝袜脚勾引网站| 天堂中文最新版在线下载| 午夜福利视频精品| 国产在线免费精品| 一区二区三区四区激情视频| 亚洲精品美女久久av网站| 亚洲,一卡二卡三卡| 久久久久国产网址| 日本爱情动作片www.在线观看| 国产成人一区二区在线| 99九九线精品视频在线观看视频| 少妇高潮的动态图| 水蜜桃什么品种好| 日韩精品有码人妻一区| 考比视频在线观看| 99九九在线精品视频| 亚洲精品久久久久久婷婷小说| 97在线人人人人妻| 成人漫画全彩无遮挡| 日本免费在线观看一区| 成人二区视频| 国产精品人妻久久久影院| 免费看光身美女| 精品一区二区三区视频在线| 久久久久精品久久久久真实原创| 人妻 亚洲 视频| 大片免费播放器 马上看| 天天躁夜夜躁狠狠久久av| 亚洲图色成人| 制服人妻中文乱码| 中文字幕人妻丝袜制服| 美女视频免费永久观看网站| 国产国拍精品亚洲av在线观看| av有码第一页| 久久久久国产精品人妻一区二区| 欧美bdsm另类| 少妇被粗大的猛进出69影院 | 亚洲精品日本国产第一区| 成人手机av| 高清毛片免费看| 亚洲一级一片aⅴ在线观看| 亚洲精品国产av蜜桃| 伊人久久国产一区二区| 日韩制服骚丝袜av| 国产亚洲av片在线观看秒播厂| 美女国产视频在线观看| 国产亚洲精品第一综合不卡 | 中文欧美无线码| 九九爱精品视频在线观看| 精品一区二区免费观看| 久久国产精品男人的天堂亚洲 | 多毛熟女@视频| 看免费成人av毛片| 国产片特级美女逼逼视频| 日韩不卡一区二区三区视频在线| 99热6这里只有精品| 十分钟在线观看高清视频www| 国产不卡av网站在线观看| 夜夜骑夜夜射夜夜干| 中文欧美无线码| 日韩精品免费视频一区二区三区 | 成年人午夜在线观看视频| 精品国产乱码久久久久久小说| 另类亚洲欧美激情| 午夜老司机福利剧场| 日本色播在线视频| 一区二区日韩欧美中文字幕 | 亚洲精品成人av观看孕妇| 国产精品国产三级国产av玫瑰| 久久久久国产网址| 久久人人爽人人片av| 国产精品人妻久久久影院| 国产白丝娇喘喷水9色精品| 久久99热6这里只有精品| 一级片'在线观看视频| 欧美最新免费一区二区三区| 亚洲av综合色区一区| 国产精品欧美亚洲77777| 你懂的网址亚洲精品在线观看| 女的被弄到高潮叫床怎么办| 日韩强制内射视频|