• <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
    国产伦人伦偷精品视频| 他把我摸到了高潮在线观看| 一级毛片精品| 99国产精品一区二区蜜桃av | 成人影院久久| 久久精品人人爽人人爽视色| 一边摸一边做爽爽视频免费| 少妇的丰满在线观看| 麻豆av在线久日| 国产一卡二卡三卡精品| 国产精品久久久av美女十八| 成人影院久久| 国产精品 国内视频| 亚洲精品自拍成人| 午夜视频精品福利| 香蕉国产在线看| 欧美国产精品va在线观看不卡| 免费在线观看黄色视频的| 国产精品影院久久| av网站在线播放免费| 中文字幕人妻丝袜制服| 久久精品国产清高在天天线| 好看av亚洲va欧美ⅴa在| 18禁黄网站禁片午夜丰满| 亚洲精品美女久久av网站| 777久久人妻少妇嫩草av网站| 精品久久久久久电影网| 欧美日韩中文字幕国产精品一区二区三区 | 精品久久久久久电影网| 亚洲中文av在线| 老熟妇仑乱视频hdxx| xxx96com| 久久久久国内视频| 黄色女人牲交| 亚洲全国av大片| a级毛片黄视频| 757午夜福利合集在线观看| 老熟妇乱子伦视频在线观看| 99国产精品一区二区三区| 成人特级黄色片久久久久久久| 天天躁夜夜躁狠狠躁躁| 成年动漫av网址| 国产在线观看jvid| 国产成人精品无人区| 久久亚洲真实| 99riav亚洲国产免费| 99久久国产精品久久久| 亚洲五月天丁香| 亚洲av日韩精品久久久久久密| 久久久久久久久免费视频了| 中文字幕人妻熟女乱码| 国产黄色免费在线视频| 大香蕉久久成人网| 国产精品免费大片| 黑人操中国人逼视频| 女性被躁到高潮视频| 老熟妇仑乱视频hdxx| 人人澡人人妻人| 国产亚洲欧美98| 午夜福利,免费看| 亚洲精品在线观看二区| 午夜91福利影院| 中文字幕另类日韩欧美亚洲嫩草| 老司机在亚洲福利影院| 欧美另类亚洲清纯唯美| 丰满的人妻完整版| 日本黄色视频三级网站网址 | 免费一级毛片在线播放高清视频 | 一级a爱视频在线免费观看| 久久精品亚洲av国产电影网| 亚洲av成人不卡在线观看播放网| 久久ye,这里只有精品| 亚洲中文av在线| 在线观看免费视频日本深夜| 伦理电影免费视频| av网站免费在线观看视频| 一区福利在线观看| 免费在线观看视频国产中文字幕亚洲| 无人区码免费观看不卡| 欧美日韩中文字幕国产精品一区二区三区 | 老司机深夜福利视频在线观看| 在线观看免费午夜福利视频| 亚洲男人天堂网一区| 国产视频一区二区在线看| 午夜成年电影在线免费观看| 亚洲av欧美aⅴ国产| 亚洲精品在线观看二区| 窝窝影院91人妻| 香蕉国产在线看| 91精品三级在线观看| 老汉色∧v一级毛片| 国产成人av激情在线播放| 久久午夜亚洲精品久久| 美女高潮喷水抽搐中文字幕| 九色亚洲精品在线播放| 夫妻午夜视频| 久久香蕉国产精品| 在线观看www视频免费| 最近最新中文字幕大全电影3 | 国产三级黄色录像| 成人特级黄色片久久久久久久| 亚洲精品国产色婷婷电影| 久久久久国内视频| 自线自在国产av| 黑人欧美特级aaaaaa片| 国产一区二区三区综合在线观看| 每晚都被弄得嗷嗷叫到高潮| 亚洲情色 制服丝袜| 亚洲国产欧美一区二区综合| 国产又色又爽无遮挡免费看| 日日爽夜夜爽网站| 国产麻豆69| 国产男女超爽视频在线观看| 婷婷精品国产亚洲av在线 | 国产成+人综合+亚洲专区| 日本撒尿小便嘘嘘汇集6| 国产午夜精品久久久久久| 欧美日韩亚洲高清精品| 亚洲色图综合在线观看| 男人的好看免费观看在线视频 | 国产精品自产拍在线观看55亚洲 | 激情视频va一区二区三区| 夜夜躁狠狠躁天天躁| 久久午夜亚洲精品久久| 99在线人妻在线中文字幕 | 美女高潮到喷水免费观看| 国产高清视频在线播放一区| 91老司机精品| 香蕉国产在线看| 成人免费观看视频高清| 午夜影院日韩av| 一二三四在线观看免费中文在| 亚洲国产中文字幕在线视频| 中文字幕人妻丝袜一区二区| 精品电影一区二区在线| 精品卡一卡二卡四卡免费| 狂野欧美激情性xxxx| 亚洲av日韩在线播放| 在线观看免费视频网站a站| 国产亚洲精品久久久久久毛片 | 日韩欧美在线二视频 | 大型av网站在线播放| av欧美777| 国产视频一区二区在线看| 脱女人内裤的视频| 国产精品亚洲av一区麻豆| 69av精品久久久久久| 另类亚洲欧美激情| 国产99白浆流出| av国产精品久久久久影院| 热99re8久久精品国产| 国内毛片毛片毛片毛片毛片| 色在线成人网| 一级毛片精品| 免费看十八禁软件| 91精品三级在线观看| 日本欧美视频一区| 妹子高潮喷水视频| netflix在线观看网站| 777米奇影视久久| 18禁裸乳无遮挡免费网站照片 | av国产精品久久久久影院| 亚洲免费av在线视频| 亚洲五月天丁香| 欧美黄色片欧美黄色片| 国产日韩欧美亚洲二区| 欧美精品亚洲一区二区| 亚洲精品av麻豆狂野| 成年女人毛片免费观看观看9 | а√天堂www在线а√下载 | 另类亚洲欧美激情| 免费在线观看影片大全网站| 亚洲va日本ⅴa欧美va伊人久久| 两个人看的免费小视频| 18禁黄网站禁片午夜丰满| 欧美在线黄色| 看免费av毛片| av网站免费在线观看视频| 久久国产乱子伦精品免费另类| 国产精品亚洲一级av第二区| 午夜91福利影院| 无限看片的www在线观看| av不卡在线播放| 老司机亚洲免费影院| 一边摸一边抽搐一进一出视频| 欧美日韩av久久| 亚洲九九香蕉| 国产免费现黄频在线看| 人人妻人人澡人人爽人人夜夜| 亚洲性夜色夜夜综合| 少妇裸体淫交视频免费看高清 | 色94色欧美一区二区| 巨乳人妻的诱惑在线观看| 757午夜福利合集在线观看| 成人影院久久| 色婷婷av一区二区三区视频| 亚洲国产欧美一区二区综合| 国产淫语在线视频| 久热爱精品视频在线9| 成人三级做爰电影| 久久中文字幕一级| 久久久久精品人妻al黑| 久久久久久久国产电影| 欧美人与性动交α欧美软件| 欧美一级毛片孕妇| 国产色视频综合| 免费观看人在逋| 人人妻人人爽人人添夜夜欢视频| 天天躁夜夜躁狠狠躁躁| 少妇 在线观看| 亚洲av片天天在线观看| 国产精品永久免费网站| bbb黄色大片| 日韩欧美免费精品| www.999成人在线观看| 在线观看免费视频网站a站| 午夜精品国产一区二区电影| 久久精品亚洲熟妇少妇任你| 精品国内亚洲2022精品成人 | 日本vs欧美在线观看视频| 亚洲一码二码三码区别大吗| 女性生殖器流出的白浆| 91麻豆精品激情在线观看国产 | 精品乱码久久久久久99久播| 波多野结衣av一区二区av| 久久国产亚洲av麻豆专区| 日韩欧美在线二视频 | 精品一区二区三区av网在线观看| 色播在线永久视频| 9191精品国产免费久久| 一级a爱视频在线免费观看| 国产精品久久电影中文字幕 | 成人18禁高潮啪啪吃奶动态图| 成年女人毛片免费观看观看9 | 每晚都被弄得嗷嗷叫到高潮| 水蜜桃什么品种好| 国产免费男女视频| 黄色视频,在线免费观看| 曰老女人黄片| 十八禁人妻一区二区| 亚洲欧美一区二区三区黑人| 久久国产精品大桥未久av| 国产一区二区激情短视频| 亚洲精品美女久久久久99蜜臀| 欧美黄色片欧美黄色片| 在线免费观看的www视频| 一区福利在线观看| 国产又爽黄色视频| 亚洲精品在线观看二区| 免费在线观看影片大全网站| 一边摸一边做爽爽视频免费| 日日爽夜夜爽网站| 窝窝影院91人妻| 国产1区2区3区精品| 国产精品电影一区二区三区 | 色综合婷婷激情| 精品久久久精品久久久| 色尼玛亚洲综合影院| 法律面前人人平等表现在哪些方面| av福利片在线| 欧美日韩视频精品一区| 大香蕉久久成人网| 国产有黄有色有爽视频| 亚洲av日韩精品久久久久久密| 视频区欧美日本亚洲| 大香蕉久久网| 精品一品国产午夜福利视频| 欧美在线一区亚洲| 久久中文字幕一级| 国产伦人伦偷精品视频| 亚洲精品美女久久久久99蜜臀| 中文字幕色久视频| 丰满饥渴人妻一区二区三| 国产蜜桃级精品一区二区三区 | 免费女性裸体啪啪无遮挡网站| 久久久久视频综合| 女警被强在线播放| 嫁个100分男人电影在线观看| 老鸭窝网址在线观看| 美女高潮喷水抽搐中文字幕| 一边摸一边抽搐一进一出视频| 国精品久久久久久国模美| 人妻丰满熟妇av一区二区三区 | 激情视频va一区二区三区| 在线观看舔阴道视频| 免费日韩欧美在线观看| 亚洲 国产 在线| 一二三四社区在线视频社区8| 免费在线观看完整版高清| 久久久久久久精品吃奶| 女性生殖器流出的白浆| 纯流量卡能插随身wifi吗| 手机成人av网站| 欧美日韩瑟瑟在线播放| 午夜两性在线视频| 丝瓜视频免费看黄片| 国产不卡一卡二| 亚洲久久久国产精品| 天天添夜夜摸| 一级片免费观看大全| 欧美日韩视频精品一区| 老司机午夜福利在线观看视频| 夜夜躁狠狠躁天天躁| 久久精品亚洲精品国产色婷小说| 岛国在线观看网站| 黄色女人牲交| 亚洲综合色网址| 亚洲av成人不卡在线观看播放网| 免费观看a级毛片全部| 水蜜桃什么品种好| 亚洲欧美一区二区三区黑人| 咕卡用的链子| 久久精品人人爽人人爽视色| 91老司机精品| 少妇被粗大的猛进出69影院| 久久久国产一区二区| 99久久人妻综合| 欧美乱妇无乱码| 欧美不卡视频在线免费观看 | 18禁黄网站禁片午夜丰满| 一边摸一边做爽爽视频免费| 啪啪无遮挡十八禁网站| 久久精品亚洲熟妇少妇任你| 丝袜美腿诱惑在线| 久久精品国产综合久久久| 精品人妻熟女毛片av久久网站| 午夜成年电影在线免费观看| av欧美777| 老司机午夜福利在线观看视频| 日韩免费av在线播放| 国产精品成人在线| 午夜两性在线视频| 嫁个100分男人电影在线观看| 一区二区三区国产精品乱码| 国产欧美亚洲国产| 亚洲欧美日韩高清在线视频| 日韩欧美一区二区三区在线观看 | 亚洲全国av大片| 大香蕉久久成人网| 国产精品免费视频内射| 亚洲av欧美aⅴ国产| 国产成+人综合+亚洲专区| 日本欧美视频一区| 久久精品国产99精品国产亚洲性色 | 精品视频人人做人人爽| 777米奇影视久久| 国产男靠女视频免费网站| 日本一区二区免费在线视频| 12—13女人毛片做爰片一| 丝袜人妻中文字幕| 一二三四在线观看免费中文在| 天堂中文最新版在线下载| 国产成人精品久久二区二区免费| 国产一区二区三区综合在线观看| 精品福利永久在线观看| 校园春色视频在线观看| 久久国产精品男人的天堂亚洲| 久久这里只有精品19| 少妇粗大呻吟视频| av福利片在线| 纯流量卡能插随身wifi吗| 国产av又大| 麻豆乱淫一区二区| 欧美日韩成人在线一区二区| 精品少妇一区二区三区视频日本电影| 久久精品91无色码中文字幕| 国产精品免费视频内射| 99riav亚洲国产免费| 精品福利观看| 日韩人妻精品一区2区三区| 欧美国产精品va在线观看不卡| 亚洲精品国产一区二区精华液| 日韩免费av在线播放| 久9热在线精品视频| 欧美日韩精品网址| 欧美精品人与动牲交sv欧美| 老司机在亚洲福利影院| 免费人成视频x8x8入口观看| 欧美不卡视频在线免费观看 | 色综合欧美亚洲国产小说| 国产成人系列免费观看| 精品久久蜜臀av无| 国产又爽黄色视频| 欧美中文综合在线视频| 久久久精品免费免费高清| 校园春色视频在线观看| 国产精品久久久人人做人人爽| 久久草成人影院| 老熟女久久久| 国产成人免费观看mmmm| 午夜福利视频在线观看免费| 国产单亲对白刺激| 啦啦啦免费观看视频1| 欧美成人免费av一区二区三区 | 热99re8久久精品国产| 亚洲三区欧美一区| 欧美精品一区二区免费开放| 999精品在线视频| 欧美精品一区二区免费开放| 国产精品综合久久久久久久免费 | 色94色欧美一区二区| 啦啦啦视频在线资源免费观看| 日韩三级视频一区二区三区| 真人做人爱边吃奶动态| 免费高清在线观看日韩| 欧美 亚洲 国产 日韩一| 国内毛片毛片毛片毛片毛片| 超碰成人久久| 亚洲国产欧美一区二区综合| 亚洲五月色婷婷综合| 这个男人来自地球电影免费观看| 国产亚洲一区二区精品| 成人黄色视频免费在线看| 国产精品久久久久久精品古装| 香蕉国产在线看| 天堂俺去俺来也www色官网| 桃红色精品国产亚洲av| 女人被躁到高潮嗷嗷叫费观| 欧美日韩视频精品一区| 丝瓜视频免费看黄片| 夜夜夜夜夜久久久久| 老熟女久久久| 777米奇影视久久| 午夜福利乱码中文字幕| 搡老乐熟女国产| 日本精品一区二区三区蜜桃| 日日爽夜夜爽网站| 91成年电影在线观看| 久久热在线av| 日韩三级视频一区二区三区| 欧美乱码精品一区二区三区| 天堂中文最新版在线下载| 曰老女人黄片| 国产成人影院久久av| 亚洲成人免费电影在线观看| 麻豆国产av国片精品| 国产精品综合久久久久久久免费 | 亚洲人成77777在线视频| 色播在线永久视频| 中文字幕另类日韩欧美亚洲嫩草| 欧美日韩av久久| 丝袜人妻中文字幕| 国产精品综合久久久久久久免费 | 成人18禁高潮啪啪吃奶动态图| 少妇粗大呻吟视频| 国产欧美日韩综合在线一区二区| 男女午夜视频在线观看| 欧美国产精品一级二级三级| 欧美黑人欧美精品刺激| 午夜91福利影院| 性色av乱码一区二区三区2| 国产精品国产高清国产av | 欧美亚洲日本最大视频资源| 免费不卡黄色视频| 精品人妻在线不人妻| √禁漫天堂资源中文www| a级片在线免费高清观看视频| 50天的宝宝边吃奶边哭怎么回事| 成在线人永久免费视频| 老熟妇乱子伦视频在线观看| 啪啪无遮挡十八禁网站| 久久婷婷成人综合色麻豆| 99精品久久久久人妻精品| videos熟女内射| 高清av免费在线| 欧美黄色片欧美黄色片| 中文字幕av电影在线播放| 大陆偷拍与自拍| 9热在线视频观看99| 高清毛片免费观看视频网站 | 国产成人精品无人区| 黄网站色视频无遮挡免费观看| 成人黄色视频免费在线看| 十八禁高潮呻吟视频| 91麻豆av在线| 欧美黑人欧美精品刺激| 国产亚洲精品一区二区www | 国产精品综合久久久久久久免费 | 久久99一区二区三区| 一级a爱视频在线免费观看| 国产欧美日韩一区二区精品| 国产男靠女视频免费网站| 国产成人啪精品午夜网站| 99热只有精品国产| 色播在线永久视频| 国产精品 国内视频| 国产99白浆流出| 久久这里只有精品19| 欧美在线黄色| 国产在线精品亚洲第一网站| 亚洲av电影在线进入| 757午夜福利合集在线观看| 青草久久国产| 乱人伦中国视频| 成人三级做爰电影| 人妻一区二区av| 精品高清国产在线一区| 一级片免费观看大全| 身体一侧抽搐| 国产97色在线日韩免费| 日韩欧美一区视频在线观看| 一级毛片女人18水好多| 91av网站免费观看| 女同久久另类99精品国产91| 视频区图区小说| 日韩成人在线观看一区二区三区| 欧美精品av麻豆av| 岛国毛片在线播放| 高清欧美精品videossex| 色精品久久人妻99蜜桃| 少妇粗大呻吟视频| 免费在线观看亚洲国产| 国产精品久久久av美女十八| 国产日韩一区二区三区精品不卡| 99精国产麻豆久久婷婷| 老司机深夜福利视频在线观看| 麻豆av在线久日| 久久久久久久国产电影| 人妻久久中文字幕网| 深夜精品福利| 超碰成人久久| 一区在线观看完整版| 12—13女人毛片做爰片一| 女警被强在线播放| 人妻 亚洲 视频| 欧美最黄视频在线播放免费 | 午夜福利影视在线免费观看| 中亚洲国语对白在线视频| 欧美日韩亚洲高清精品| 91麻豆av在线| 亚洲精品粉嫩美女一区| 岛国在线观看网站| 99香蕉大伊视频| 国产一区有黄有色的免费视频| 久久影院123| 午夜福利免费观看在线| 亚洲国产精品合色在线| 一区在线观看完整版| 国产真人三级小视频在线观看| 黄色怎么调成土黄色| 久久精品国产亚洲av高清一级| 建设人人有责人人尽责人人享有的| 很黄的视频免费| 久久久精品免费免费高清| 亚洲成人手机| 久久天躁狠狠躁夜夜2o2o| ponron亚洲| 多毛熟女@视频| 国产三级黄色录像| 一级a爱视频在线免费观看| 精品一区二区三区四区五区乱码| av视频免费观看在线观看| 免费一级毛片在线播放高清视频 | 久久精品国产亚洲av香蕉五月 | 国产成人精品无人区| 三上悠亚av全集在线观看| 一级片'在线观看视频| 亚洲中文av在线| 变态另类成人亚洲欧美熟女 | 欧美色视频一区免费| 国产不卡一卡二| 99国产精品99久久久久| 国产黄色免费在线视频| 国产高清视频在线播放一区| 熟女少妇亚洲综合色aaa.| 亚洲av美国av| 亚洲自偷自拍图片 自拍| 麻豆国产av国片精品| 国产淫语在线视频| 国产成人免费无遮挡视频| av网站免费在线观看视频| 午夜精品国产一区二区电影| 一级片'在线观看视频| 19禁男女啪啪无遮挡网站| 亚洲精品一卡2卡三卡4卡5卡| 日韩一卡2卡3卡4卡2021年| 国产91精品成人一区二区三区| 国产免费男女视频| 精品熟女少妇八av免费久了| av视频免费观看在线观看| 天天躁日日躁夜夜躁夜夜| 在线观看免费日韩欧美大片| 国产一区有黄有色的免费视频| 国产激情欧美一区二区| 电影成人av| 91成人精品电影| 黄片播放在线免费| 亚洲欧美一区二区三区黑人| 悠悠久久av| 丰满人妻熟妇乱又伦精品不卡| 欧美日韩亚洲综合一区二区三区_| 久久国产精品影院| 免费不卡黄色视频| 欧美老熟妇乱子伦牲交| 欧美国产精品va在线观看不卡| 视频区图区小说| 黄片小视频在线播放| 午夜福利影视在线免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜福利乱码中文字幕| 国产亚洲精品一区二区www | 男女午夜视频在线观看| 久久青草综合色| 亚洲精品自拍成人| 在线视频色国产色| 亚洲 欧美一区二区三区| 久久久久久久精品吃奶| 日韩免费av在线播放| 久久影院123| 男女下面插进去视频免费观看| 999精品在线视频| 成熟少妇高潮喷水视频| 成人亚洲精品一区在线观看| 妹子高潮喷水视频| 国产亚洲欧美精品永久|