• <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 ?

    基于多端卷積神經(jīng)網(wǎng)絡(luò)的調(diào)制識別方法

    2019-12-03 07:53:58查雄彭華秦鑫李廣李天昀
    通信學報 2019年11期
    關(guān)鍵詞:眼圖矢量圖卷積

    查雄,彭華,秦鑫,李廣,李天昀

    (信息工程大學信息系統(tǒng)工程學院,河南 鄭州 450001)

    1 引言

    信號的自動調(diào)制識別[1-2]是指已知信號所在調(diào)制集合,利用相關(guān)技術(shù)正確識別目標信號調(diào)制類型。其作為通信偵察和信號盲處理領(lǐng)域的一個重要研究課題,在很多領(lǐng)域都有相當大的需求。隨著通信技術(shù)的發(fā)展,各種新型調(diào)制方式不斷出現(xiàn),調(diào)制識別技術(shù)也需要不斷發(fā)展以適應不同情況下的識別要求。

    自動調(diào)制識別方法中,以信號的相位、頻率和幅度等時域信息作為特征的方法運用較廣[3],但其受噪聲影響較大,在低信噪比情況下性能嚴重下降?;诟唠A統(tǒng)計量的方法,如利用信號的高階累積量[4-5]或循環(huán)譜[6],具有很好的抗噪聲性能,但特征的選取缺乏理論指導,且在處理復雜多類調(diào)制信號識別過程中決策閾值難以設(shè)定。

    相對于傳統(tǒng)人工設(shè)計特征的算法,深度學習技術(shù)由于其自學習能力以及對樣本潛在的容錯性,在語音、圖像領(lǐng)域取得了突出成就[7]。近年來,從事通信領(lǐng)域的研究人員也逐步利用深度學習技術(shù)來解決信號處理相關(guān)問題。在調(diào)制識別領(lǐng)域,主要思想為建立信號的淺層特征表達,并構(gòu)建深度學習網(wǎng)絡(luò)對樣本進行學習。例如,直接利用深度學習技術(shù)對信號波形數(shù)據(jù)進行學習[8],但該類算法未利用信號本身固有先驗知識對信號進行特征變換,直接對樣本進行全盲訓練,識別效果并不理想?;谛亲鶊D的深度學習算法[9],在一定程度上引入了信號本身的先驗信息,對信號的波形數(shù)據(jù)降采成符號序列,并重組形成星座圖。該算法較基于波形的深度學習算法性能有進一步提升,但其過多地損失了信號的波形信息,樣本難以反映信號在時序上的相位跳變信息。因此,算法在性能上仍有一定的提升空間。

    本文在已有調(diào)制識別算法研究的基礎(chǔ)上,構(gòu)建了基于眼圖和矢量圖的調(diào)制信號淺層特征表達形式,在盡可能保留信號原始信息的同時,充分利用了信號不同維度的調(diào)制信息。這些預處理過程將信號的調(diào)制特性與神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)有機地相結(jié)合,相對于基于星座圖算法更能加速網(wǎng)絡(luò)對信號的認知。基于此,本文提出了一種基于多端神經(jīng)網(wǎng)絡(luò)的調(diào)制識別新方法,實現(xiàn)了對樣本不同維度的特征學習與融合。通過初步實驗證明,所提算法較傳統(tǒng)算法以及現(xiàn)有基于深度學習的處理手段在抗噪聲上有一定的優(yōu)勢。相對于傳統(tǒng)算法,本文算法克服了人工提取高維統(tǒng)計特征穩(wěn)健性差等缺陷,樣本獲取復雜度低,自動化程度高。

    2 信號模型

    2.1 信號時域表達

    本文主要討論目前通信過程中常見的幅相調(diào)制信號,包括BPSK、QPSK、OQPSK、8PSK、16QAM、16APSK、32APSK 和64QAM。信號的基帶波形可以表示為

    其中,v(t)表示加性高斯白噪聲;g(t)表示等效濾波器,包括成型濾波、信道濾波和匹配濾波;an表示發(fā)送端所發(fā)送的符號序列。不同的調(diào)制方式,符號序列呈現(xiàn)的樣式也不盡相同。

    對于PSK 類信號,有

    對于QAM 類信號,有

    其中,M表示調(diào)制進制數(shù)。

    對于APSK 類信號,有

    其中,rk為第k個圓的圓周半徑,nk為第k個圓的星座點數(shù),θk為第k個圓的初始相位偏移。在本文實驗過程中,APSK 類信號采用DVB-S2中定義的標準[10],16APSK 內(nèi)外環(huán)數(shù)比為4:12,32APSK 內(nèi)中外環(huán)數(shù)比為4:12:16。OQPSK 信號作為QPSK 信號的改進,在正交兩路的碼流的傳輸時間上錯開半個符號周期,因此信號的相位只能跳變0°或±90°,而不會出現(xiàn)QPSK 中±180°的相位跳變。

    2.2 信號眼圖以及矢量圖

    本文結(jié)合已有對信號的相關(guān)認知,將信號轉(zhuǎn)化為更適合神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)的樣本表達形式?;诖耍疚牟捎眯盘栄蹐D和信號矢量圖作為樣本表達形式,該表達形式相對于傳統(tǒng)的高維統(tǒng)計特征而言更易獲得,且不會損失過多的信號原有信息。相對于波形而言,該表達形式更能夠突出信號的調(diào)制特性,更易于神經(jīng)網(wǎng)絡(luò)進行分類。

    信號眼圖,最早是指利用示波器觀察信號基帶波形,當示波器水平掃描周期和接收信號的符號周期一致時,示波器上所呈現(xiàn)的畫面。在通信信號處理過程中,眼圖通常作為一種定性反映碼間串擾和噪聲水平的手段,通過眼圖可以調(diào)整接收濾波器,以此改善系統(tǒng)性能。另一方面,由于調(diào)制信號本身的特性,不同的調(diào)制方式在眼圖上具有很明顯的視覺差異。如圖1所示,由于調(diào)制進制的不同,不同信號眼圖中眼的個數(shù)也不盡相同。OQPSK 由于正交兩路信號在時間上錯開半個符號周期,不同于其他調(diào)制信號眼圖睜開的位置都是同時出現(xiàn),其眼圖張開的位置總是錯開出現(xiàn)。APSK 類信號由于內(nèi)外環(huán)半徑不同,在眼圖中,眼張開的程度不一致。

    圖1 各調(diào)制信號的I 路眼圖、Q 路眼圖和矢量圖(15 dB)

    信號矢量圖,是指將信號I 路和Q 路波形以對應時間進行重組得到的符號軌跡,與信號的星座圖類似,但相對于星座圖而言,矢量圖能夠反映信號的相位信息,在矢量圖上可以很明顯地看出QPSK 和OQPSK 的區(qū)別。由于OQPSK 無180°的相位轉(zhuǎn)移,其矢量圖中不存在類似QPSK 矢量圖中的符號軌跡,十分適合用于區(qū)分QPSK 信號。由于星座圖中不包含相位變化信息,導致其難以對信號進行區(qū)分。

    由于眼圖和矢量圖在不同層面反映當前調(diào)制信號的特性,本文選取信號I 路眼圖、Q 路眼圖和矢量圖作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù),并通過構(gòu)建多端卷積神經(jīng)網(wǎng)絡(luò),實現(xiàn)信號的調(diào)制分類。

    3 識別算法

    3.1 多端卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)(CNN,convolution neural network)[11]作為一種特殊的人工神經(jīng)網(wǎng)絡(luò),由于其良好的特征提取特性,近年來逐步應用于通信領(lǐng)域。其通過結(jié)合局部感知、權(quán)值共享、池化降采和非線性映射等對數(shù)據(jù)特征逐層提取并高度抽象,從而進行后續(xù)工程應用。卷積神經(jīng)網(wǎng)絡(luò)每一層由多個二維平面組成,稱為卷積層。每個二維平面由卷積核和偏置構(gòu)成,采用權(quán)值共享[11]來減少網(wǎng)絡(luò)參數(shù)規(guī)模。經(jīng)典的卷積核如拉普拉斯算子、反銳化掩模等,具有旋轉(zhuǎn)不變性可以提高細節(jié)及邊緣的可視性,從而實現(xiàn)定位。梯度類的卷積核如水平算子、垂直算子和Sobel 算子,在重要的變化方向可增強小臺階及其他細節(jié)的可見性。由于不同的卷積核能夠?qū)崿F(xiàn)不同的特征提取功能,卷積神經(jīng)網(wǎng)絡(luò)設(shè)置一系列可訓練的核,通過對樣本的學習理解,最終形成最適應該環(huán)境的特征提取核。

    本文所設(shè)計的多端卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示,對信號特征的提取主要分為3個階段。第一階段,卷積神經(jīng)網(wǎng)絡(luò)分別對I/Q 路眼圖和矢量圖進行7×7的卷積處理。而后對第一層網(wǎng)絡(luò)輸出的特征圖進行批量標準化(BN,batch normalization)[12],從而保證每層神經(jīng)網(wǎng)絡(luò)輸入特征圖的動態(tài)范圍統(tǒng)一。對批標準化后的數(shù)據(jù)進行最大池化(max pool)操作,以減少特征圖尺寸。之后對I/Q 眼圖所得到的特征圖進行連接。第二階段的特征提取過程中,為消除網(wǎng)絡(luò)過深導致的退化現(xiàn)象以及使網(wǎng)絡(luò)更快地收斂,本文采用了殘差網(wǎng)絡(luò)(ResNet,residual network)[13]結(jié)構(gòu)中的ResNet-v1結(jié)構(gòu),基本結(jié)構(gòu)如圖3所示。經(jīng)過第二階段的特征提取,對各端特征圖連接,進行第三階段特征提取。由于初始圖片經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)一系列的下采樣,在第三階段的批標準化后,直接對特征圖進行全局最大抽樣處理,以減少后續(xù)網(wǎng)絡(luò)所需訓練的參數(shù)。網(wǎng)絡(luò)除輸出層采用Softmax 激活函數(shù)外,其余各層皆采用ReLu 激活函數(shù)。網(wǎng)絡(luò)優(yōu)化過程中,采用Adam 算法進行網(wǎng)絡(luò)參數(shù)的最優(yōu)解求解。

    3.2 訓練數(shù)據(jù)集的生成

    本節(jié)主要介紹訓練樣本集的生成,圖4為本文樣本庫構(gòu)造流程。為了使樣本更具多樣性,考慮到實際接收信號存在多方面因素的影響,樣本產(chǎn)生過程中人為引入采樣相偏、頻偏相偏。在研究初期,為了更好地控制信號的質(zhì)量,信號集利用Matlab平臺產(chǎn)生。

    圖2 多端卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    1)特定調(diào)制模式與隨機比特數(shù)據(jù)

    本文所需識別的調(diào)制類型集為{BPSK,QPSK,OQPSK,8PSK,16QAM,16APSK,32APSK,64QAM}。每次生成樣本時從該集合內(nèi)隨機選取調(diào)制類型,并生成該調(diào)制類型所需的比特流數(shù)據(jù)。

    圖3 殘差單元基本結(jié)構(gòu)

    圖4 樣本庫構(gòu)造流程

    2)標準信號的生成

    采用根升余弦成型濾波器形成標準樣本,過采倍數(shù)為32,滾降系數(shù)為0.35。

    3)隨機采樣相偏

    考慮到實際信號采用過程中可能存在的定時偏差,因此在仿真信號過程中,人為引入定時偏差。定時偏差值在一定范圍內(nèi)隨機取值,且單個樣本在其持續(xù)時間內(nèi),定時偏差值一致。

    4)隨機頻偏相偏

    同樣地,考慮到實際參數(shù)估計過程中對載頻估計的不精確,在仿真信號過程中,人為引入頻偏相偏。其取值的選取同采樣相偏過程。

    5)高斯信道

    本文針對的是衛(wèi)星通信系統(tǒng),信道采用高斯信道。而后利用根升余弦濾波器進行匹配濾波,得到目標信號。

    考慮到傳統(tǒng)的眼圖和矢量圖都為二值圖像,未將信號在某一位置的聚集程度進行完整的考慮。基于此,本文對傳統(tǒng)的眼圖和矢量圖進行改進,將信號轉(zhuǎn)化為基于灰度圖像的眼圖和矢量圖,將信號在某一點的聚集程度反映在圖像灰度值上。具體生成過程如下:為更好地反映信號的時序結(jié)構(gòu),本文選取4個符號為一組波形對眼圖進行生成,信號采用32倍過采,每幅圖片由800個符號構(gòu)成。眼圖橫軸像素點與波形持續(xù)時間相對應,從而保證圖片在橫軸的連續(xù)性。為實現(xiàn)后續(xù)不同圖片特征圖能夠更加方便地進行連接,對信號幅度在[-1.05,1.05]范圍內(nèi)進行4×32間隔的量化,每個像素點的值為落在該像素區(qū)域內(nèi)樣本點的個數(shù)。為使圖像內(nèi)細節(jié)更加突出,對圖片進行如下操作

    其中,Im0為原始圖像,I1m 為增強后的圖像,α為縮放因子。

    3.3 算法識別流程

    根據(jù)前面的分析,本文算法流程如下。

    1)構(gòu)建網(wǎng)絡(luò)模型,利用預先制作好的訓練樣本對網(wǎng)絡(luò)進行訓練,當網(wǎng)絡(luò)達到穩(wěn)態(tài)時,保存網(wǎng)絡(luò)。

    2)對于目標測試信號,通過傅里葉變換進行載頻粗估,并利用包絡(luò)譜線估計出符號速率,用估計出的載頻對信號進行下變頻,根據(jù)符號速率計算方根升余弦函數(shù)進行匹配濾波。

    3)若目標信號存在定時偏差,需提取信號在最佳采樣位置處的樣點值以保證眼圖的張開程度,本文參考文獻[14]中的非數(shù)據(jù)輔助的定時估計算法。具體計算式為

    其中,L0為符號長度,N為過采倍數(shù),T為采樣周期,則為定時抽取后的序列。

    4)對目標信號進行采樣率變換,得到32倍過采基帶數(shù)據(jù)。對處理好的數(shù)據(jù)進行歸一化和分塊處理,對分塊完的數(shù)據(jù)進行眼圖和矢量圖的呈現(xiàn)。

    5)利用所保存的網(wǎng)絡(luò)對已進行預處理的信號進行調(diào)制識別,最終得到信號調(diào)制類別。

    4 性能測試與分析

    本節(jié)對調(diào)制識別性能進行仿真,待識別調(diào)制集為{BPSK,QPSK,OQPSK,8PSK,16QAM,16APSK,32APSK,64QAM}。如不做特殊說明,仿真條件為:符號隨機均勻產(chǎn)生且統(tǒng)計獨立,成型濾波器和匹配濾波器均為根余弦濾波器,滾降系數(shù)在0.2~0.35內(nèi)隨機選取,過采倍數(shù)為32,每個樣本符號數(shù)為800。測試過程中,產(chǎn)生的信噪比范圍為0~10 dB,間隔為1 dB,各信噪比下每類信號樣本個數(shù)為1000。本文實驗是在CPU 為Intel(R)Xeon(R)E5-2650 v4×2,GPU 為GTX1080×2,內(nèi)存為64 GB DDR4的環(huán)境下進行的。本文中定義的調(diào)制識別性能指標為

    4.1 模型總體識別性能

    圖5為各調(diào)制信號的在不同信噪比下的識別結(jié)果。從圖5可以看出,本文算法在低信噪比下仍能取得較好的性能,64QAM 由于本身的復雜度,識別效果與低階信號相比較差。低進制調(diào)制信號(BPSK、OQPSK)由于本身調(diào)制方式的特性,在眼圖和矢量圖中與其他信號的視覺特性有明顯區(qū)分,在0 dB 條件下,識別效果仍能接近100%。從圖5中還可以看出,圓形調(diào)制方式信號(8PSK、16APSK、32APSK)的識別性能好于QAM 調(diào)制方式信號。

    圖5 不同信噪比下各調(diào)制類型信號識別結(jié)果

    4.2 含頻偏下模型識別性能

    考慮到實際中通過FFT 估計信號載頻時誤差較大,為了驗證此種情況下的算法性能,本文將相對符號速率的歸一化載頻誤差分為不同的范圍。圖6為信號在不同頻偏條件下的識別結(jié)果。從圖6可以看出,相對于無頻偏下的識別性能,信號在有頻偏情況下識別準確率有一定的降低。且隨著頻偏的范圍的加大,算法性能也逐步下降,并且在大頻偏的情況下,本文算法不再適用。如何求解在大頻偏條件下利用深度學習技術(shù)實現(xiàn)調(diào)制識別也是本文的改進方向之一。

    圖6 不同頻偏條件下的本文算法識別結(jié)果

    4.3 識別性能對比

    圖7為本文算法和傳統(tǒng)算法(文獻[4]和文獻[5])以及現(xiàn)有深度學習算法(文獻[8]和文獻[9])的識別性能對比,由于本文算法利用了信號的先驗知識,且結(jié)合了深度學習算法強大的自學習能力,性能在一定程度上優(yōu)于其他算法。

    圖7 不同算法識別率對比

    表1為不同算法對目標信號進行識別的時間復雜度,實驗結(jié)果為對3000個實驗樣本的統(tǒng)計平均??梢钥闯?,傳統(tǒng)方法由于人工提取特征存在指導性,樣本生成過程和識別過程的時間復雜度均低于深度學習方法。但是得益于GPU 并行運算能力的提高,神經(jīng)網(wǎng)絡(luò)大部分運算都可以并行完成。利用計算開銷換取計算速度,最終能夠?qū)崿F(xiàn)快速運算??傮w可以看出,所有算法的運行時間都可以控制在毫秒級別,完全可以滿足實時性處理的需求?;谏疃葘W習的算法也能較快地完成任務(wù)且識別效果優(yōu)于傳統(tǒng)算法,具有較好的工業(yè)應用前景和研究價值。

    4.4 網(wǎng)絡(luò)參數(shù)對性能的影響

    本節(jié)主要測試網(wǎng)絡(luò)參數(shù)對本文算法性能的影響,主要考慮2個方面:輸入樣本與網(wǎng)絡(luò)結(jié)構(gòu)。在輸入樣本上,本文首先對二值圖像識別效果和灰度圖像識別效果進行對比,如圖8所示,基于灰度圖像的識別效果好于二值圖像,低信噪比下灰度圖像識別性能較二值圖像好1 dB 左右。但總體來說,性能提升并不明顯,產(chǎn)生該現(xiàn)象的因素可能是由于像素區(qū)域內(nèi)樣本數(shù)過于稀疏,導致不同像素之間差異不是很明顯。如何改進眼圖和矢量圖的生成也是后期值得改進的方向。

    圖8 不同圖像預處理方法下的算法識別率

    像素區(qū)域內(nèi)樣本數(shù)過于稀疏,一方面是由產(chǎn)生眼圖和矢量圖的符號數(shù)決定的。符號數(shù)越多,像素區(qū)域內(nèi)包含的樣本數(shù)也就相對越多。圖9為不同符號數(shù)N下算法的識別性能,符號數(shù)選取為200、400、800、1000。符號數(shù)的選取在一定程度上影響著算法性能,隨著符號數(shù)的增多,模型整體識別率也在逐步上升。但從圖9中可以看出,當符號數(shù)為800和1000時,性能提升不是很明顯,最終本文選取符號數(shù)為800生成眼圖和矢量圖。

    輸入樣本中,樣本的尺寸同樣對信號的識別產(chǎn)生影響。本文通過實驗驗證不同圖片尺寸下算法的性能,圖片的尺寸主要受到采樣率影響(幅度量化精度同樣影響圖片尺寸,由于本文需保證圖片為矩形,量化精度不能隨意設(shè)定,因此本文暫不考慮量化的影響)。本文設(shè)置過采倍數(shù)Nsamp 為32、64、128進行實驗,對應圖片尺寸大小為128像素×128像素、256像素×256像素、512像素×512像素。實驗結(jié)果如圖10所示。從圖10可以看出,當過采倍數(shù)為32與64時性能差異不大,而過采倍數(shù)為128的識別效果在低信噪比的情況下遠劣于前兩者,且過大的圖像尺寸對網(wǎng)絡(luò)訓練造成極大的負擔,最終本文選取過采倍數(shù)為32作為樣本生成參數(shù)。

    表1 不同算法時間復雜度對比

    圖9 符號數(shù)對算法識別性能的影響

    圖10 過采倍數(shù)對算法識別性能的影響

    考慮網(wǎng)絡(luò)結(jié)構(gòu)對性能的影響時,本文主要考慮基于單輸入端和多輸入網(wǎng)絡(luò)結(jié)構(gòu)的性能進行對比,具體如圖11所示。從圖11可以看出,基于單路眼圖的調(diào)制識別算法由于損失過多信號的調(diào)制信息,識別性能不理想。其中,I 路眼圖識別性能較Q 路眼圖有一定差距,這可能與調(diào)制方式中初相的設(shè)置有關(guān)(本文對BPSK 信號的初相設(shè)置為0,導致I路有眼圖的呈現(xiàn),Q 路無眼圖的呈現(xiàn))?;谑噶繄D的調(diào)制識別中,由于損失了信號的時序信息,在一定程度上劣于本文算法。通過實驗最終證明了本文算法的可行性。

    圖11 單輸入網(wǎng)絡(luò)結(jié)構(gòu)與多輸入網(wǎng)絡(luò)結(jié)構(gòu)下的算法識別率

    5 結(jié)束語

    本文基于信號眼圖和矢量圖的表達形式,提出了多端卷積神經(jīng)網(wǎng)絡(luò)模型,并較好地解決了衛(wèi)星幅相信號調(diào)制識別問題。實驗結(jié)果表明,由于本文所提算法在一定程度上結(jié)合了通信信號的固有調(diào)制屬性,性能上較其他基于深度學習算法進一步提高。且基于多端處理的思想能夠在不同角度指導網(wǎng)絡(luò)挖掘和融合信號的內(nèi)在特征,在一定程度上降低了對網(wǎng)絡(luò)自身要求。本文提供了一類在神經(jīng)網(wǎng)絡(luò)架構(gòu)下,構(gòu)造適合神經(jīng)網(wǎng)絡(luò)拓撲表達的信號表現(xiàn)形式的調(diào)制識別求解思路。該思路可以推廣到其他通信信號處理的問題上,利用信號已有的先驗認知,尋求一種能夠更有利于神經(jīng)網(wǎng)絡(luò)學習的表達形式,最終實現(xiàn)更好的算法性能。

    猜你喜歡
    眼圖矢量圖卷積
    基于LabVIEW 的地面電子單元C接口眼圖算法研究與實現(xiàn)
    Analysis of the line current differential protection considering inverter-interfaced generation station and countermeasures
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于93000ATE的高速信號眼圖測試的研究與實現(xiàn)
    電子測試(2018年15期)2018-09-26 06:01:12
    基于傅里葉域卷積表示的目標跟蹤算法
    利用矢量圖對小物體從光滑斜面下滑運動探討
    基于眼圖的數(shù)字通信干擾效能指標構(gòu)建與評估
    無線電監(jiān)測中實測眼圖與分析*
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    久久免费观看电影| 日本黄色日本黄色录像| 亚洲欧洲国产日韩| 欧美激情高清一区二区三区 | 三级国产精品片| 亚洲婷婷狠狠爱综合网| 制服人妻中文乱码| 国产成人精品婷婷| 少妇被粗大猛烈的视频| 午夜福利网站1000一区二区三区| 色网站视频免费| 久久99蜜桃精品久久| 久久99蜜桃精品久久| 亚洲熟女精品中文字幕| 国产爽快片一区二区三区| 免费高清在线观看视频在线观看| 国产男女超爽视频在线观看| 久久这里有精品视频免费| 一区二区日韩欧美中文字幕| 久久毛片免费看一区二区三区| 国产又爽黄色视频| 天天影视国产精品| 新久久久久国产一级毛片| 亚洲欧美中文字幕日韩二区| 亚洲精品在线美女| 国产毛片在线视频| 亚洲熟女精品中文字幕| 久久 成人 亚洲| 大片免费播放器 马上看| 国产av国产精品国产| 天堂俺去俺来也www色官网| 亚洲人成网站在线观看播放| 男的添女的下面高潮视频| 日韩中文字幕视频在线看片| 亚洲精品国产av成人精品| 侵犯人妻中文字幕一二三四区| 成人国产麻豆网| 天堂中文最新版在线下载| 母亲3免费完整高清在线观看 | 国产熟女午夜一区二区三区| 亚洲成国产人片在线观看| av免费在线看不卡| av免费在线看不卡| 国产片特级美女逼逼视频| 国产一区有黄有色的免费视频| 亚洲经典国产精华液单| 日韩大片免费观看网站| 下体分泌物呈黄色| 亚洲精华国产精华液的使用体验| 男女边摸边吃奶| 一级片'在线观看视频| 我要看黄色一级片免费的| 97在线人人人人妻| 亚洲精品aⅴ在线观看| 亚洲内射少妇av| 亚洲国产精品成人久久小说| 国产淫语在线视频| a级毛片在线看网站| 黑人猛操日本美女一级片| 国产精品99久久99久久久不卡 | 边亲边吃奶的免费视频| www.熟女人妻精品国产| 亚洲国产欧美日韩在线播放| 免费看不卡的av| 超色免费av| 亚洲av电影在线观看一区二区三区| 亚洲欧美一区二区三区国产| 1024香蕉在线观看| freevideosex欧美| 国产一区二区 视频在线| 欧美成人午夜精品| 九草在线视频观看| 女人精品久久久久毛片| 在线 av 中文字幕| 男女无遮挡免费网站观看| 国产女主播在线喷水免费视频网站| 大码成人一级视频| 亚洲精品第二区| 国产又色又爽无遮挡免| 婷婷色综合大香蕉| 精品卡一卡二卡四卡免费| 十八禁高潮呻吟视频| 色网站视频免费| 一本色道久久久久久精品综合| 日韩免费高清中文字幕av| 日本91视频免费播放| 国产精品av久久久久免费| 一级毛片 在线播放| 高清欧美精品videossex| 在线观看www视频免费| 免费在线观看完整版高清| 亚洲天堂av无毛| 中文字幕av电影在线播放| 成年av动漫网址| 国产男女超爽视频在线观看| 啦啦啦在线观看免费高清www| 中文字幕精品免费在线观看视频| 男人添女人高潮全过程视频| 日本免费在线观看一区| 超色免费av| 亚洲综合色网址| 国精品久久久久久国模美| 美女福利国产在线| 亚洲三区欧美一区| 成人亚洲精品一区在线观看| av片东京热男人的天堂| 国产精品99久久99久久久不卡 | 久久99蜜桃精品久久| 91在线精品国自产拍蜜月| 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| 日韩一卡2卡3卡4卡2021年| 精品国产国语对白av| 久久精品国产亚洲av天美| 最近中文字幕2019免费版| 中国三级夫妇交换| 中文乱码字字幕精品一区二区三区| 精品人妻在线不人妻| 亚洲一区二区三区欧美精品| 久久99热这里只频精品6学生| 中文字幕制服av| 久久女婷五月综合色啪小说| 免费不卡的大黄色大毛片视频在线观看| 五月天丁香电影| 午夜福利一区二区在线看| 中文欧美无线码| 亚洲,一卡二卡三卡| 久久人人97超碰香蕉20202| 99国产综合亚洲精品| 国产欧美日韩一区二区三区在线| 日韩一区二区视频免费看| 国产精品国产三级专区第一集| 久久99热这里只频精品6学生| 老熟女久久久| 亚洲精品自拍成人| 日日摸夜夜添夜夜爱| 精品亚洲乱码少妇综合久久| 亚洲精品aⅴ在线观看| 成人漫画全彩无遮挡| 国产一级毛片在线| 香蕉丝袜av| 一级片'在线观看视频| 国产乱来视频区| 看免费成人av毛片| 久久久国产一区二区| 天堂俺去俺来也www色官网| av有码第一页| 久久久精品94久久精品| 狠狠精品人妻久久久久久综合| 中文字幕另类日韩欧美亚洲嫩草| 久久久精品94久久精品| 十八禁高潮呻吟视频| 中文天堂在线官网| 久久国产亚洲av麻豆专区| 91成人精品电影| 亚洲激情五月婷婷啪啪| 亚洲欧美一区二区三区久久| 午夜福利乱码中文字幕| 久久这里只有精品19| 亚洲av免费高清在线观看| 国产精品国产av在线观看| 欧美bdsm另类| 最近的中文字幕免费完整| 亚洲成av片中文字幕在线观看 | 成人二区视频| 永久免费av网站大全| 国产一区二区 视频在线| 久久精品国产a三级三级三级| 永久网站在线| 久久 成人 亚洲| 国产xxxxx性猛交| 国产极品天堂在线| 精品久久久精品久久久| 国产精品国产av在线观看| 看非洲黑人一级黄片| 欧美国产精品va在线观看不卡| 亚洲人成网站在线观看播放| 亚洲国产av影院在线观看| a 毛片基地| 91精品三级在线观看| 性少妇av在线| 三级国产精品片| 国产男女超爽视频在线观看| 久久ye,这里只有精品| 国产成人欧美| 香蕉丝袜av| 中国国产av一级| 熟妇人妻不卡中文字幕| 成人毛片60女人毛片免费| 美女xxoo啪啪120秒动态图| 自线自在国产av| 伊人亚洲综合成人网| 最近中文字幕高清免费大全6| 国产亚洲精品第一综合不卡| 国产精品 国内视频| 91在线精品国自产拍蜜月| 久久国产精品男人的天堂亚洲| 久久99蜜桃精品久久| 亚洲综合精品二区| 在线天堂中文资源库| 可以免费在线观看a视频的电影网站 | 777久久人妻少妇嫩草av网站| 久久久久国产网址| 亚洲精品国产色婷婷电影| 亚洲美女搞黄在线观看| 超色免费av| 亚洲综合精品二区| av有码第一页| 欧美日韩视频高清一区二区三区二| 国产日韩欧美亚洲二区| 国产一区二区三区av在线| 精品久久久精品久久久| 九草在线视频观看| 精品第一国产精品| 亚洲三级黄色毛片| 桃花免费在线播放| 国产欧美日韩一区二区三区在线| 视频在线观看一区二区三区| 一区二区三区乱码不卡18| 蜜桃在线观看..| 精品一区二区免费观看| 香蕉精品网在线| 交换朋友夫妻互换小说| 亚洲婷婷狠狠爱综合网| 国产一区二区三区综合在线观看| 国产成人精品婷婷| 国产亚洲av片在线观看秒播厂| 丝袜人妻中文字幕| 亚洲一区中文字幕在线| 精品国产露脸久久av麻豆| 国产精品一区二区在线不卡| 日本欧美视频一区| 美女主播在线视频| 精品国产超薄肉色丝袜足j| 日本免费在线观看一区| 大片免费播放器 马上看| 蜜桃在线观看..| 免费播放大片免费观看视频在线观看| 青春草国产在线视频| av.在线天堂| 黄色怎么调成土黄色| 午夜福利视频在线观看免费| 亚洲天堂av无毛| 午夜激情av网站| 90打野战视频偷拍视频| 国产在线一区二区三区精| 26uuu在线亚洲综合色| 黑人猛操日本美女一级片| 2021少妇久久久久久久久久久| 蜜桃国产av成人99| 日韩电影二区| 国产女主播在线喷水免费视频网站| 制服诱惑二区| 午夜激情久久久久久久| 免费观看无遮挡的男女| 十八禁高潮呻吟视频| videosex国产| 国产国语露脸激情在线看| av在线播放精品| 香蕉精品网在线| 亚洲精华国产精华液的使用体验| 久久精品国产亚洲av高清一级| 色婷婷av一区二区三区视频| 精品少妇久久久久久888优播| 欧美日韩亚洲高清精品| 国产成人精品福利久久| 99香蕉大伊视频| 黄色毛片三级朝国网站| 国产成人精品一,二区| 美女主播在线视频| 婷婷成人精品国产| 视频在线观看一区二区三区| 婷婷色综合www| 久久鲁丝午夜福利片| √禁漫天堂资源中文www| 亚洲伊人色综图| 午夜av观看不卡| 我要看黄色一级片免费的| 久久久久久免费高清国产稀缺| 在线看a的网站| 91精品伊人久久大香线蕉| 国产精品不卡视频一区二区| 97在线视频观看| 精品亚洲成国产av| 搡女人真爽免费视频火全软件| 人妻系列 视频| 亚洲欧美精品自产自拍| 亚洲欧美清纯卡通| 老司机影院毛片| 国产成人av激情在线播放| 久热这里只有精品99| 亚洲av.av天堂| 亚洲国产成人一精品久久久| 久久精品亚洲av国产电影网| 一边摸一边做爽爽视频免费| 欧美精品一区二区大全| 亚洲av免费高清在线观看| 国产高清不卡午夜福利| 精品国产国语对白av| 久久久久国产网址| 亚洲,一卡二卡三卡| 亚洲,欧美精品.| 亚洲精品美女久久久久99蜜臀 | 欧美中文综合在线视频| 亚洲国产精品成人久久小说| 国产一区有黄有色的免费视频| 免费观看av网站的网址| 日韩中文字幕视频在线看片| 欧美日韩av久久| 亚洲欧美成人精品一区二区| 视频区图区小说| 一本大道久久a久久精品| 国产成人午夜福利电影在线观看| 日本色播在线视频| 99久久综合免费| 欧美97在线视频| 久久99蜜桃精品久久| 99九九在线精品视频| h视频一区二区三区| 亚洲色图 男人天堂 中文字幕| 91精品国产国语对白视频| 免费黄频网站在线观看国产| 亚洲精品自拍成人| 日日摸夜夜添夜夜爱| 中文字幕人妻丝袜一区二区 | 青春草国产在线视频| a级毛片在线看网站| 中文乱码字字幕精品一区二区三区| 99国产综合亚洲精品| 热re99久久国产66热| 高清视频免费观看一区二区| 欧美日韩视频高清一区二区三区二| 久久毛片免费看一区二区三区| 2018国产大陆天天弄谢| 精品一区二区三卡| 国产成人精品婷婷| 国产精品麻豆人妻色哟哟久久| 日韩一本色道免费dvd| 人人妻人人添人人爽欧美一区卜| 国产日韩欧美视频二区| 亚洲精品久久久久久婷婷小说| 色视频在线一区二区三区| 亚洲三级黄色毛片| 日本午夜av视频| 丝袜脚勾引网站| 夫妻性生交免费视频一级片| av网站在线播放免费| 九色亚洲精品在线播放| 国产欧美亚洲国产| 99热网站在线观看| 亚洲三区欧美一区| 成人毛片60女人毛片免费| 丰满少妇做爰视频| 午夜福利,免费看| 又粗又硬又长又爽又黄的视频| 久久久久久人人人人人| 成人毛片a级毛片在线播放| 午夜福利视频精品| 秋霞伦理黄片| 一本—道久久a久久精品蜜桃钙片| 蜜桃国产av成人99| 亚洲av中文av极速乱| videossex国产| 深夜精品福利| 男女边吃奶边做爰视频| 日本欧美视频一区| 欧美日韩精品成人综合77777| 色婷婷久久久亚洲欧美| 99国产精品免费福利视频| 亚洲成国产人片在线观看| 人妻系列 视频| 欧美精品人与动牲交sv欧美| 亚洲国产最新在线播放| 国产不卡av网站在线观看| 街头女战士在线观看网站| 最近中文字幕高清免费大全6| 深夜精品福利| 亚洲精品av麻豆狂野| 欧美日本中文国产一区发布| 啦啦啦在线免费观看视频4| 国产在线视频一区二区| 大片免费播放器 马上看| 亚洲人成77777在线视频| 国产1区2区3区精品| 国产一区二区激情短视频 | 免费在线观看完整版高清| 精品第一国产精品| 久久久久国产网址| 99久久综合免费| 精品国产一区二区三区久久久樱花| 丝袜美足系列| 成年美女黄网站色视频大全免费| 成年人午夜在线观看视频| 在线看a的网站| 午夜激情av网站| 视频在线观看一区二区三区| 亚洲av综合色区一区| 日本av免费视频播放| 欧美成人精品欧美一级黄| 欧美日韩精品成人综合77777| 亚洲精品国产av蜜桃| 欧美精品一区二区免费开放| 老司机影院成人| av视频免费观看在线观看| 日韩一区二区视频免费看| 亚洲经典国产精华液单| 免费观看a级毛片全部| 婷婷色综合www| a级片在线免费高清观看视频| 美女视频免费永久观看网站| 欧美黄色片欧美黄色片| 久久免费观看电影| xxxhd国产人妻xxx| 亚洲美女搞黄在线观看| 国产免费福利视频在线观看| 久久久久久久精品精品| 免费黄网站久久成人精品| 中文天堂在线官网| 春色校园在线视频观看| 80岁老熟妇乱子伦牲交| 久久99蜜桃精品久久| 欧美日韩精品网址| 肉色欧美久久久久久久蜜桃| 国产1区2区3区精品| 国产精品不卡视频一区二区| 久久久国产一区二区| 欧美成人午夜免费资源| 亚洲精品久久久久久婷婷小说| 中文乱码字字幕精品一区二区三区| 欧美日韩综合久久久久久| 国产成人av激情在线播放| 亚洲久久久国产精品| 成年女人毛片免费观看观看9 | 日韩中文字幕视频在线看片| h视频一区二区三区| 亚洲国产精品一区三区| 女性生殖器流出的白浆| 人妻人人澡人人爽人人| 欧美精品人与动牲交sv欧美| 啦啦啦啦在线视频资源| 一区二区av电影网| 国产淫语在线视频| 久久人人爽av亚洲精品天堂| 亚洲经典国产精华液单| 国产精品嫩草影院av在线观看| 日韩av在线免费看完整版不卡| 色播在线永久视频| 青青草视频在线视频观看| 一个人免费看片子| 亚洲国产av新网站| 少妇人妻精品综合一区二区| 精品国产露脸久久av麻豆| 啦啦啦视频在线资源免费观看| 国产成人午夜福利电影在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 黄色 视频免费看| 丝袜人妻中文字幕| 丝袜脚勾引网站| 最近最新中文字幕大全免费视频 | 国产av精品麻豆| 少妇猛男粗大的猛烈进出视频| 不卡视频在线观看欧美| 成人漫画全彩无遮挡| 久久毛片免费看一区二区三区| 久久久国产一区二区| 国产一区有黄有色的免费视频| 精品一区二区免费观看| 久久人人97超碰香蕉20202| 中文字幕人妻熟女乱码| 久久久精品区二区三区| 免费高清在线观看视频在线观看| 色婷婷久久久亚洲欧美| 天堂中文最新版在线下载| 99久久精品国产国产毛片| 美女脱内裤让男人舔精品视频| 亚洲国产最新在线播放| 久久女婷五月综合色啪小说| 大片免费播放器 马上看| 久久久国产精品麻豆| 91精品伊人久久大香线蕉| 女人久久www免费人成看片| 久久午夜综合久久蜜桃| 国产精品不卡视频一区二区| 精品第一国产精品| 午夜福利,免费看| 精品第一国产精品| 日本黄色日本黄色录像| 国产精品久久久久久av不卡| 捣出白浆h1v1| 日韩成人av中文字幕在线观看| 亚洲久久久国产精品| 日韩欧美精品免费久久| 成人毛片a级毛片在线播放| 亚洲精品中文字幕在线视频| 菩萨蛮人人尽说江南好唐韦庄| 日韩视频在线欧美| 最近中文字幕高清免费大全6| 肉色欧美久久久久久久蜜桃| 天堂俺去俺来也www色官网| 精品一区二区免费观看| 国产精品国产av在线观看| 亚洲精品久久午夜乱码| 精品国产一区二区三区久久久樱花| 国产黄色视频一区二区在线观看| 亚洲美女黄色视频免费看| 国产日韩欧美亚洲二区| 中国国产av一级| 老司机影院毛片| 色婷婷久久久亚洲欧美| 欧美精品人与动牲交sv欧美| 97人妻天天添夜夜摸| tube8黄色片| 成年动漫av网址| 精品人妻偷拍中文字幕| 久久99热这里只频精品6学生| 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 | 日本猛色少妇xxxxx猛交久久| 在线观看免费视频网站a站| 国产成人免费观看mmmm| 18禁观看日本| 亚洲精品,欧美精品| 少妇熟女欧美另类| 大香蕉久久成人网| 999精品在线视频| 欧美日韩视频精品一区| 久久久久久久大尺度免费视频| 国产欧美日韩综合在线一区二区| 久久久久久免费高清国产稀缺| 制服诱惑二区| 在线亚洲精品国产二区图片欧美| 亚洲欧洲国产日韩| 亚洲少妇的诱惑av| 99热国产这里只有精品6| 丝瓜视频免费看黄片| 99热网站在线观看| 国产成人精品一,二区| 国产精品三级大全| 成人午夜精彩视频在线观看| 国产成人精品婷婷| 一区二区日韩欧美中文字幕| 国产人伦9x9x在线观看 | 国产日韩一区二区三区精品不卡| kizo精华| 最近中文字幕高清免费大全6| 免费大片黄手机在线观看| 色播在线永久视频| 汤姆久久久久久久影院中文字幕| 国产野战对白在线观看| 国产成人av激情在线播放| 亚洲欧美精品自产自拍| 中文字幕制服av| 国产精品 欧美亚洲| 岛国毛片在线播放| 曰老女人黄片| 国产麻豆69| 国产精品不卡视频一区二区| 一本大道久久a久久精品| 亚洲色图 男人天堂 中文字幕| 日韩视频在线欧美| 在线观看免费高清a一片| 麻豆av在线久日| av线在线观看网站| 丰满乱子伦码专区| 性高湖久久久久久久久免费观看| 亚洲欧美日韩另类电影网站| 国产精品秋霞免费鲁丝片| 欧美在线黄色| 日本av手机在线免费观看| 边亲边吃奶的免费视频| 热re99久久精品国产66热6| 欧美精品国产亚洲| 久久精品人人爽人人爽视色| 日韩一区二区三区影片| 色吧在线观看| 精品人妻熟女毛片av久久网站| 精品卡一卡二卡四卡免费| 大话2 男鬼变身卡| 天堂俺去俺来也www色官网| 国产一区亚洲一区在线观看| 少妇精品久久久久久久| 有码 亚洲区| 99re6热这里在线精品视频| 99久国产av精品国产电影| 少妇被粗大猛烈的视频| 免费看不卡的av| 国产精品久久久久成人av| 亚洲av欧美aⅴ国产| 精品人妻一区二区三区麻豆| 国产亚洲欧美精品永久| 国产精品.久久久| 国产精品国产三级国产专区5o| 最近最新中文字幕免费大全7| 捣出白浆h1v1| 少妇 在线观看| 久久久久视频综合| 免费大片黄手机在线观看| 亚洲欧美日韩另类电影网站| 成年女人毛片免费观看观看9 | 91成人精品电影| 91久久精品国产一区二区三区| 亚洲成色77777| 丝袜美足系列| 制服诱惑二区| 考比视频在线观看| 又黄又粗又硬又大视频| 国产极品粉嫩免费观看在线| 日韩在线高清观看一区二区三区| 亚洲精品av麻豆狂野| 日产精品乱码卡一卡2卡三| 老女人水多毛片| 日本爱情动作片www.在线观看| 1024视频免费在线观看| 免费少妇av软件| 99久久综合免费| 成人黄色视频免费在线看|