• <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CNN-BGRU的音素識別研究

    2020-12-18 07:31:22和麗華潘文林楊皓然
    關(guān)鍵詞:語譜音素語音

    和麗華,江 濤,潘文林,楊皓然

    (云南民族大學(xué) 數(shù)學(xué)與計算機科學(xué)學(xué)院,云南 昆明 650500)

    現(xiàn)有的語音識別成果中,絕大部分學(xué)者的關(guān)注點還是集中于詞和句子級別,對于音素的研究還較為少見.文獻[1]在做區(qū)分漢語方言的研究時,語音變化的中的聲韻母和變調(diào)能幫助人們進行漢語方言的區(qū)分,對于聲韻母的標(biāo)注,也就是音素級別的標(biāo)注.文獻[2]做普通話韻律單元分析時,對音節(jié)、詞、短語的聲學(xué)特征分析采用了音延、靜音段、音高上下限差值等聲學(xué)表現(xiàn)來做邊界區(qū)分.對于語音學(xué)領(lǐng)域來說,語音學(xué)者們更加關(guān)注語音識別的微觀正確率,音素作為組成1個讀音的最小的語音單位,具有區(qū)分語言含義及讀音的功能,不僅能解決人們學(xué)習(xí)新語言時的單詞拼讀問題,還能幫助語音學(xué)者探索不同語言的發(fā)聲機理.

    20世紀(jì)90年代語音識別中最主流的方法是采用隱馬爾科夫模型[3],但是使用HMM訓(xùn)練時需要進行特征降維,這樣的做法導(dǎo)致許多有用信息的丟失.為了克服以上缺陷,采用了神經(jīng)網(wǎng)絡(luò)代替HMM進行語音識別.基于神經(jīng)網(wǎng)絡(luò)的語音識別打破了傳統(tǒng)語音識別對于手工設(shè)計特征的依賴,可以通過神經(jīng)網(wǎng)絡(luò)自動提取淺層和深層的特征,節(jié)省了手工設(shè)計特征所帶來的大量前期工作.CNN、LSTM和DNN在建模能力上是互補的[4],CNN擅長減少頻域的變化,LSTM提供長時記憶,DNN適用于將特征映射分類,利用3個網(wǎng)絡(luò)不同的特性將它們組合在一起能有效提高語音識別的效率.文獻[5]采用RNN進行音素識別,選取了具有雙向循環(huán)結(jié)構(gòu)的BLSTM網(wǎng)絡(luò)與CTC相結(jié)合,并在語音分幀階段去除相鄰幀的重合部分,減少神經(jīng)網(wǎng)絡(luò)輸入序列的數(shù)據(jù),大幅度地提升訓(xùn)練效率,在TIMIT英語音素語料庫上,BLSTM-CTC模型的效果優(yōu)于BLSTM-HMM模型.文獻[6]通過對LSTM進行端到端的訓(xùn)練,利用RNN擁有更大空間狀態(tài)和LSTM的長時記憶單元能較好地處理數(shù)據(jù)之間的長期依賴關(guān)系的特點,避免了使用HMM出現(xiàn)不正確標(biāo)簽作為訓(xùn)練目標(biāo)的問題,在TIMIT英語音素語料庫上,音素識別的錯誤率達到了最低17.7%.文獻[7]比多層感知器MLP、RNN、LSTM在音素識別任務(wù)上的訓(xùn)練效率和準(zhǔn)確率,LSTM為性能最優(yōu)的網(wǎng)絡(luò),后將LSTM和BiRNN兩種網(wǎng)絡(luò)結(jié)構(gòu)進行融合,提出了新的網(wǎng)絡(luò)結(jié)構(gòu)BLSTM,并在TIMIT英語語音語料庫上進行音素分類任務(wù),證明雙向LSTM的性能優(yōu)于單向LSTM,上下文信息對于語音識別至關(guān)重要.文獻[8]采用簡化版的LSTM網(wǎng)絡(luò)GRU,通過實驗比較LSTM、GRU、tanh這3個單元在序列數(shù)據(jù)上建模的能力,結(jié)論證明GRU在網(wǎng)絡(luò)結(jié)構(gòu)簡化且參數(shù)較少的情況下,性能與LSTM相當(dāng),但網(wǎng)絡(luò)訓(xùn)練收斂速度更快,在不同數(shù)據(jù)集上的泛化性能也更佳.

    綜上所述,本文選取卷積神經(jīng)網(wǎng)絡(luò)CNN、循環(huán)神經(jīng)網(wǎng)絡(luò)RNN和深層神經(jīng)網(wǎng)絡(luò)DNN組合進行音素識別研究,其中RNN選取網(wǎng)絡(luò)結(jié)構(gòu)較為簡單且能獲取上下文含義的BGRU網(wǎng)絡(luò).基于上述研究提出了1種新的音素識別模型——CNN-BGRU模型.首先卷積神經(jīng)網(wǎng)絡(luò)模型VGGNet在圖像識別任務(wù)中效果出色且參數(shù)量較低,在保持圖像識別效果的同時對VGGNet網(wǎng)絡(luò)結(jié)構(gòu)的改進以降低網(wǎng)絡(luò)參數(shù)的數(shù)量,有效提升VGGNet模型的性能;其次經(jīng)過VGGNet模型輸出的特征向量作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的輸入,采用雙向循環(huán)單元(BGRU)對輸入特征進行序列建模,并聯(lián)合前后文信息進行預(yù)測;最后通過softmax分類器輸出分類預(yù)測的結(jié)果.實驗仿真證明:本文提出的CNN-BGRU模型與CNN(VGG)、CNN-RNN、CNN-BRNN、CNN-BLSTM這4個模型在TIMIT英語語音數(shù)據(jù)集上進行音素語譜圖分類任務(wù),基于CNN-BGRU的混合模型在識別效果的準(zhǔn)確率明顯高于其它4個模型,基于CNN-BGRU的混合模型的正確率可以達98.6%.

    1 相關(guān)工作

    1.1 VGGNet模型

    2014年GoogleNet和VGGNet分別獲得了ILSVRC圖像分類大賽的冠亞軍,兩個模型都注重從加深網(wǎng)絡(luò)深度的角度去提升卷積神經(jīng)網(wǎng)絡(luò)的性能.GoogleNet對傳統(tǒng)卷積層的結(jié)構(gòu)進行了改進,而VGGNet則采用了較小的卷積核,卷積核小能一定程度上減少參數(shù)量且方便模型快速收斂,并且在模型層數(shù)上VGGNet也少于GoogleNet[9].所以本文選用VGGNet模型作為音素語譜圖的特征提取算法.

    VGGNet模型的結(jié)構(gòu)特點如下:

    1) 網(wǎng)絡(luò)結(jié)構(gòu)為13層卷積層、5層最大池化層、3層全連接層、1個SoftMax分類器.

    2) 利用小的卷積核堆疊得到與大卷積核相當(dāng)?shù)母惺芤胺秶?,兩個3×3的卷積層堆疊獲得的感受野的范圍與一個5×5的卷積層相當(dāng),3個3×3的卷積層堆疊獲得的感受野的范圍與1個7×7的卷積層相當(dāng)[10],不同卷積核大小的影響如圖1所示:

    3) 卷積核大小均為3×3,stride=1,pad=1.

    4) 池化層均采用最大池化,池化窗口為2,stride=2.

    5) 每一層隱藏層后都有激活函數(shù)ReLU和BatchNormalization.

    6) 在每層全連接層后都有加Droupout,防止網(wǎng)絡(luò)過擬合.

    VGGNet模型的參數(shù)如表1所示:

    表1 VGGNet網(wǎng)絡(luò)參數(shù)表

    1.2 LSTM和GRU

    長短期記憶網(wǎng)絡(luò)(LSTM)和門控循環(huán)單元網(wǎng)絡(luò)(GRU)都屬于循環(huán)神經(jīng)網(wǎng)絡(luò),它們都是為了改善由于循環(huán)神經(jīng)網(wǎng)絡(luò)迭代造成梯度彌散或是梯度爆炸的問題而提出的[11].LSTM引入了長時記憶單元Cell,并且由門控機制控制Cell的信息保留與否.LSTM模型有3個門控單元,分別是遺忘門、輸入門、輸出門,即圖2左邊圖LSTM中的的f、i、o,其中遺忘門控制上一時刻長時記憶單元的信息是否被遺忘;輸入門控制輸入信息是否輸入長時記憶單元的信息;輸出門控制長時記憶單元的信息是否輸出.

    GRU網(wǎng)絡(luò)是在LSTM網(wǎng)絡(luò)的基礎(chǔ)上進行了改進,由于LSTM網(wǎng)絡(luò)中的輸入門和遺忘門是1個互補的關(guān)系,在GRU網(wǎng)絡(luò)中將這2個門合并為1個門:更新門[12].此外,GRU網(wǎng)絡(luò)將長時記憶單元Cell與當(dāng)前狀態(tài)進行了合并,直接建立當(dāng)前狀態(tài)和歷史狀態(tài)之間的線性依賴關(guān)系.通過改進后的GRU網(wǎng)絡(luò)在保留與LSTM網(wǎng)絡(luò)同樣效率的前提下,較大程度的簡化了網(wǎng)絡(luò)結(jié)構(gòu),減少了網(wǎng)絡(luò)參數(shù),具有更好的收斂性.LSTM網(wǎng)絡(luò)和GRU網(wǎng)絡(luò)的結(jié)構(gòu)對比圖如圖2所示:

    圖2 LSTM和GRU結(jié)構(gòu)對比圖

    與LSTM網(wǎng)絡(luò)不同,GRU網(wǎng)絡(luò)只有2個門控單元,分別為重置門和更新門,即圖3中的rt、zt.重置門rt控制歷史狀態(tài)信息ht-1有多少需要被遺忘,即rt=1時歷史狀態(tài)信息ht-1全部被遺忘,rt=0時歷史狀態(tài)信息ht-1全部被傳遞到當(dāng)前狀態(tài)ht;更新門zt控制歷史狀態(tài)信息ht-1有多少信息傳遞到當(dāng)前狀態(tài)ht,即當(dāng)zt=1時,計算過程如下所示:

    圖3 GRU結(jié)構(gòu)圖

    .

    (1)

    ht=zt⊙ht-1+(1-zt)⊙ht

    .

    (2)

    (3)

    (4)

    其中⊙表示向量對應(yīng)元素相乘.相較于LSTM網(wǎng)絡(luò),GRU網(wǎng)絡(luò)能在保證網(wǎng)絡(luò)性能的前提下達到同樣的實驗效果,并且能大幅度提高網(wǎng)絡(luò)的訓(xùn)練效率,因此本文選用GRU網(wǎng)絡(luò)作為音素語譜圖的識別算法.

    2 CNN-BGRU音素識別模型

    2.1 改進的VGGNet模型

    VGGNet模型對于圖像得特征提取效果出色,但是由于網(wǎng)絡(luò)的層數(shù)較多,導(dǎo)致訓(xùn)練時計算量較大,網(wǎng)絡(luò)收斂速度較慢,因此為了提高網(wǎng)絡(luò)的訓(xùn)練效率,需要減少網(wǎng)絡(luò)參數(shù).本章對于VGGNet模型改進主要包括兩個方面:

    1) 由于全連接層的參數(shù)量較大,所以通過減少全連接層來降低整個網(wǎng)絡(luò)的參數(shù)總量,以此來提升VGGNet模型的性能,本文將VGGNet模型的3個全連接層減少為1個全連接層.

    2) 由于全局均值池化層能通過加強特征圖與標(biāo)簽之間的對應(yīng)關(guān)系提升網(wǎng)絡(luò)的特征提取能力,所以本章使用全局均值池化層代替最后1個最大池化層,求得每個特征圖的平均值,然后將輸出的結(jié)果向量直接輸入softmax層,這樣可以在保證網(wǎng)絡(luò)性能的情況下,有效地減少網(wǎng)絡(luò)的參數(shù)數(shù)量.

    改進前后的網(wǎng)絡(luò)結(jié)構(gòu)對比如表2所示:

    表2 VGGNet改進前后網(wǎng)絡(luò)結(jié)構(gòu)對比

    2.2 雙向GRU單元(BGRU)

    傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)只關(guān)注于上一時刻的信息,但是對于音素識別來說,下一時刻的信息也與預(yù)測值息息相關(guān),雙向循環(huán)神經(jīng)網(wǎng)絡(luò)的改進,正好彌補了這個問題[13].由于門控循環(huán)單元網(wǎng)絡(luò)只能獲取單向的數(shù)據(jù)序列信息,因此本文選取雙向的門控循環(huán)單元網(wǎng)絡(luò)(BGRU)實現(xiàn)音素語譜圖的序列信息表示,BGRU模型就是在傳統(tǒng)的GRU模型隱層上增加了正向傳遞的GRU和反向傳遞的GRU,即圖4中的G′和G,以便于從這2個方向提取上下文的信息,所以BGRU模型比GRU模型效果更好,計算過程如下所示:

    BGRU模型結(jié)構(gòu)如圖4所示,其中G表示GRU模塊.

    圖4 BGRU模型結(jié)構(gòu)圖

    2.3 CNN-BGRU音素識別模型

    卷積神經(jīng)網(wǎng)絡(luò)CNN對于圖像識別任務(wù)效果出色,VGGNet在提取圖像特征上具有優(yōu)勢,循環(huán)神經(jīng)網(wǎng)絡(luò)RNN擅長時序數(shù)據(jù)的處理,BGRU對于序列信息識別效果出色.本文提出的CNN-BGRU模型利用VGGNet提取音素語譜圖的圖像特征;然后將圖像特征輸入BGRU模型,通過正向傳遞隱層和反向傳遞隱層實現(xiàn)音素語譜圖的序列信息表示;最后輸入給SoftMax分類器輸出分類結(jié)果,VGG-BGRU模型結(jié)構(gòu)圖如圖5所示:

    圖5 改進CNN-BGRU模型結(jié)構(gòu)

    改進的CNN-BGRU模型:

    1) 將英語音素語音轉(zhuǎn)換為語譜圖后輸入到改進CNN-BGRU模型中進行訓(xùn)練;

    2) 添加多層卷積層,通過卷積運算得到語譜圖的局部特征矩陣;

    5.使用藥劑拌種來防止玉米粗縮病的發(fā)生。用吡蟲啉拌種,對灰飛虱有短期的防治效果,這樣有效的控制了灰飛虱在玉米苗期的發(fā)生數(shù)量,來達到控制玉米粗縮病毒的傳播。

    3) 最后1層池化層為均值池化層,球的每個特征圖的平均值;

    4) 添加雙向GRU單元層(BGRU),增強語音的序列信息表示;

    5) 添加全連接層,將每一層神經(jīng)網(wǎng)絡(luò)提取出來的特征綜合起來進行分類,然后對每個分類結(jié)果都輸出1個概率.

    3 實驗

    3.1 實驗環(huán)境

    實驗所選取的操作系統(tǒng)為Windows10,編程語言為Python,使用keras來構(gòu)建深度神經(jīng)網(wǎng)絡(luò),并使用CUDA技術(shù)對網(wǎng)絡(luò)進行加速.

    3.2 實驗參數(shù)

    輸入數(shù)據(jù)為二維的音素語譜圖,網(wǎng)絡(luò)參數(shù)如表3所示.在網(wǎng)絡(luò)訓(xùn)練方面,批次大小設(shè)置為30,訓(xùn)練次數(shù)為100次.

    表3 CNN-BGRU模型參數(shù)配置表

    3.3 實驗數(shù)據(jù)

    因為實驗所選取的語音基元為音素,所以選用音素種類齊全且多樣的TIMIT語料庫作為實驗數(shù)據(jù)集.它由630名演講者,每人說10個句子組成,總共6 300個句子,其中包括2個“sa”的方言句子、5個音素緊湊的“sx”句子、3個音素多樣的“si”句子.基于某些音素發(fā)音相近,甚至不發(fā)音,可以將這些音素統(tǒng)一化歸為1個音素,將61個音素簡化為38個音素,對應(yīng)簡化規(guī)則如表4所示[14].

    表4 音素簡化規(guī)則表

    3.4 對比實驗

    本節(jié)實驗的目的在于驗證提出的CNN-BGRU音素識別模型的有效性.首先是對于模型參數(shù)的選擇,選擇不同的BGRU層隱藏層節(jié)點數(shù)、學(xué)習(xí)率、優(yōu)化器以識別率最為評價指標(biāo)進行實驗,選出最優(yōu)的組合參數(shù).然后對CNN(VGG)、CNN-RNN、CNN-BRNN、CN-BLSTM、CNN-BGRU5個模型分別進行音素識別,驗證提出的CNN-BGRU模型對于提高音素識別準(zhǔn)確率的有效性.

    表5為基于CNN-BGRU音素識別模型在學(xué)習(xí)率為0.000 1,BGRU層不同隱藏層節(jié)點數(shù)下的識別率.通過表格可以看出,BGRU層隱藏層節(jié)點數(shù)為64時CNN-BGRU模型在TIMIT數(shù)據(jù)集下的音素識別任務(wù)表現(xiàn)最佳,所以最終選定音素識別模型的BGRU層隱藏層節(jié)點數(shù)為64.

    表5 BGRU隱藏層節(jié)點數(shù)對于音素識別的識別率

    通過圖6可以看出基于CNN-BGRU音素識別模型在BGRU層隱藏層節(jié)點數(shù)為64時,訓(xùn)練到最后的準(zhǔn)確率較高.

    圖6 BGRU隱藏層節(jié)點數(shù)的實驗結(jié)果統(tǒng)計圖

    3.4.2 基于CNN-BGRU音素識別模型的學(xué)習(xí)率選擇

    表6為基于CNN-BGRU音素識別模型在隱藏層節(jié)點數(shù)為64,不同學(xué)習(xí)率下的識別率.通過表格可以看出,學(xué)習(xí)率為0.000 1時CNN-BGRU模型在TIMIT數(shù)據(jù)集下的音素識別任務(wù)表現(xiàn)最佳,所以最終選定音素識別模型的學(xué)習(xí)率為0.000 1.

    表6 不同學(xué)習(xí)率對于音素識別的識別率

    通過圖7可以看出基于CNN-BGRU音素識別模型在學(xué)習(xí)率為0.000 1時,訓(xùn)練到最后的準(zhǔn)確率較高.

    3.4.3 基于CNN-BGRU音素識別模型的優(yōu)化器選擇

    表7為基于CNN-BGRU音素識別模型在隱藏層節(jié)點數(shù)為64、學(xué)習(xí)率為0.000 1,不同優(yōu)化器下的識別率.通過表格可以看出,選用Adam優(yōu)化器時CNN-BGRU模型在TIMIT數(shù)據(jù)集下的音素識別任務(wù)表現(xiàn)最佳,所以最終選定音素識別模型的優(yōu)化器為Adam.

    表7 不同優(yōu)化器對于音素識別的識別率

    通過圖8可以看出基于CNN-BGRU音素識別模型在優(yōu)化器為Adam時,訓(xùn)練到最后的準(zhǔn)確率較高.

    圖8 不同優(yōu)化器的實驗結(jié)果統(tǒng)計圖

    3.4.3 不同模型對于音素識別率的影響

    本文選擇CNN-BGRU模型與CNN(VGG)、CNN-RNN、CNN-BRNN、CN -BLSTM這四個模型在TIMIT數(shù)據(jù)集上進行音素語譜圖分類任務(wù).通過準(zhǔn)確率和損失作為評估指標(biāo)進行結(jié)果分析,驗證了CNN-BGRU模型對于音素語譜圖分類任務(wù)的有效性.

    通過表8中的實驗結(jié)果可以知道,CNN-BGRU模型表現(xiàn)顯著優(yōu)于CNN-BRNN、CNN-BLSTM兩個模型的效果.

    表8 不同模型的實驗結(jié)果分析

    1) RNN模型的有效性.從CNN(VGG)模型和CNN-RNN模型的實驗結(jié)果對比可以看出,CNN-RNN模型的準(zhǔn)確率高于CNN(VGG)模型,同時且損失低于CNN(VGG)模型,由此可以得出CNN-RNN模型提升了音素語譜圖分類的結(jié)果.

    2) 雙向GRU的有效性.對比CNN-BGRU模型和CNN-RNN、CNN-BRNN、CNN-BLSTM模型的實驗結(jié)果可以看出,CNN-BGRU模型的準(zhǔn)確率高于CNN-RNN模型,準(zhǔn)確率提升了1.4%,驗證了BGRU模型的效果優(yōu)于RNN模型.同時CNN-BGRU模型的準(zhǔn)確率顯著高于CNN-BRNN、CNN-BLSTM模型,且GRU模型的參數(shù)更少,可以有效提升模型的整體效率.

    4 結(jié)語

    本文提出了基于改進CNN-BGRU模型實現(xiàn)音素語譜圖的分類,首先通過卷積網(wǎng)絡(luò)VGGNet提取音素語譜圖的特征信息;其次使用BGRU模型進行圖像的前后文信息聯(lián)合預(yù)測;最后通過softmax分類器輸出分類預(yù)測的結(jié)果.相較于其他的方法,基于改進CNN-BGRU模型在提升模型分類準(zhǔn)確性的同時,減少了模型中的參數(shù)數(shù)量,提升了模型的訓(xùn)練效率.后續(xù)工作是考慮基于多特征的音素語譜圖識別,結(jié)合多種語音特征以提升音素語譜圖識別的訓(xùn)練效率.

    猜你喜歡
    語譜音素語音
    新目標(biāo)英語七年級(上)Starter Units 1-3 STEP BY STEP 隨堂通
    依托繪本課程,培養(yǎng)學(xué)生英語音素意識
    小學(xué)英語課堂中音素意識與自然拼讀整合訓(xùn)練的探索
    魔力語音
    HR-DCGAN方法的帕金森聲紋樣本擴充及識別研究
    基于MATLAB的語音信號處理
    電子制作(2019年14期)2019-08-20 05:43:38
    基于MQ3與MP3的價廉物美的酒駕語音提醒器
    電子制作(2019年9期)2019-05-30 09:42:10
    對方正在輸入……
    小說界(2018年5期)2018-11-26 12:43:42
    ?不定冠詞a與an
    基于時頻域特征的場景音頻研究
    人人妻人人澡欧美一区二区 | 又黄又爽又免费观看的视频| av福利片在线| 精品国产乱码久久久久久男人| 久久精品人人爽人人爽视色| 天堂√8在线中文| 他把我摸到了高潮在线观看| 国产免费av片在线观看野外av| av欧美777| 精品久久久久久,| 亚洲成人久久性| 亚洲人成网站在线播放欧美日韩| 欧美绝顶高潮抽搐喷水| 人人澡人人妻人| 久久久久久久久免费视频了| www.精华液| 自拍欧美九色日韩亚洲蝌蚪91| 欧美丝袜亚洲另类 | 动漫黄色视频在线观看| 成年版毛片免费区| 欧美日韩瑟瑟在线播放| 精品久久久精品久久久| 波多野结衣巨乳人妻| 99久久99久久久精品蜜桃| 久久国产亚洲av麻豆专区| 丁香六月欧美| 日日爽夜夜爽网站| 亚洲在线自拍视频| 久久热在线av| 怎么达到女性高潮| 国产精品电影一区二区三区| 成人18禁高潮啪啪吃奶动态图| 国产精品永久免费网站| 成人亚洲精品av一区二区| 国产精品久久电影中文字幕| av天堂久久9| 最新美女视频免费是黄的| 久久热在线av| 欧美一级a爱片免费观看看 | 欧美黄色片欧美黄色片| 日韩精品免费视频一区二区三区| 中文字幕人成人乱码亚洲影| 久久狼人影院| 巨乳人妻的诱惑在线观看| 一区福利在线观看| 国产一区二区三区综合在线观看| 国产一区二区在线av高清观看| 一级毛片女人18水好多| 久久久久精品国产欧美久久久| 老司机福利观看| 欧美日韩亚洲国产一区二区在线观看| 99久久精品国产亚洲精品| 久久精品国产99精品国产亚洲性色 | www日本在线高清视频| 欧美日韩精品网址| 老熟妇乱子伦视频在线观看| 国产精品1区2区在线观看.| 亚洲精品国产区一区二| 欧美日韩黄片免| 日韩欧美国产一区二区入口| 99国产极品粉嫩在线观看| 国产精品香港三级国产av潘金莲| 久久人人精品亚洲av| 日韩 欧美 亚洲 中文字幕| 18禁国产床啪视频网站| 亚洲精品美女久久久久99蜜臀| 亚洲久久久国产精品| 淫秽高清视频在线观看| 极品教师在线免费播放| 久久精品国产亚洲av高清一级| 男女下面插进去视频免费观看| 中亚洲国语对白在线视频| 日本撒尿小便嘘嘘汇集6| 成熟少妇高潮喷水视频| 性欧美人与动物交配| 老司机福利观看| 天堂影院成人在线观看| 看片在线看免费视频| 在线观看舔阴道视频| 在线十欧美十亚洲十日本专区| 黄网站色视频无遮挡免费观看| 午夜精品国产一区二区电影| av天堂在线播放| av中文乱码字幕在线| 久久精品aⅴ一区二区三区四区| 国产蜜桃级精品一区二区三区| 亚洲精品美女久久久久99蜜臀| 黄频高清免费视频| 麻豆国产av国片精品| 久久精品国产99精品国产亚洲性色 | 制服诱惑二区| 女警被强在线播放| 久久久久精品国产欧美久久久| 一级毛片精品| 天天一区二区日本电影三级 | 日韩高清综合在线| 欧美色视频一区免费| 国产97色在线日韩免费| 午夜久久久久精精品| 99久久99久久久精品蜜桃| 亚洲av五月六月丁香网| 国产精品免费视频内射| 久久人人97超碰香蕉20202| 亚洲国产精品sss在线观看| 欧美激情 高清一区二区三区| 免费av毛片视频| 美女高潮到喷水免费观看| 国产成人精品无人区| a级毛片在线看网站| 久久久国产成人免费| 久久这里只有精品19| 欧美黄色淫秽网站| 自拍欧美九色日韩亚洲蝌蚪91| 天堂影院成人在线观看| 丝袜美足系列| 欧美不卡视频在线免费观看 | www.www免费av| 中文字幕人妻熟女乱码| 精品欧美一区二区三区在线| 日本三级黄在线观看| 一级毛片高清免费大全| 岛国在线观看网站| 久久精品91蜜桃| 亚洲精品一区av在线观看| 午夜福利欧美成人| 免费高清视频大片| 免费女性裸体啪啪无遮挡网站| 免费女性裸体啪啪无遮挡网站| 青草久久国产| 精品欧美一区二区三区在线| 看片在线看免费视频| 欧美绝顶高潮抽搐喷水| 每晚都被弄得嗷嗷叫到高潮| 91成人精品电影| 免费在线观看完整版高清| 国产成人精品久久二区二区91| 国产极品粉嫩免费观看在线| 人妻久久中文字幕网| 欧美久久黑人一区二区| 淫妇啪啪啪对白视频| 久久 成人 亚洲| 美女国产高潮福利片在线看| 亚洲成人久久性| 日韩 欧美 亚洲 中文字幕| 国产午夜精品久久久久久| 黄频高清免费视频| 国产麻豆69| 久久草成人影院| 脱女人内裤的视频| 亚洲午夜精品一区,二区,三区| 男女之事视频高清在线观看| 1024视频免费在线观看| 亚洲人成伊人成综合网2020| 国产片内射在线| 久久久久久久久中文| 欧美日韩精品网址| 女人高潮潮喷娇喘18禁视频| 婷婷六月久久综合丁香| 国产精品精品国产色婷婷| 一本久久中文字幕| 国产97色在线日韩免费| 一级毛片精品| 国产精品1区2区在线观看.| 亚洲成人精品中文字幕电影| 深夜精品福利| 18禁美女被吸乳视频| 91国产中文字幕| 精品欧美一区二区三区在线| 欧美最黄视频在线播放免费| 久久久久国产精品人妻aⅴ院| 成人国产一区最新在线观看| 午夜福利欧美成人| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲av成人av| 日韩欧美免费精品| 久久性视频一级片| 欧美色欧美亚洲另类二区 | 国产主播在线观看一区二区| 亚洲性夜色夜夜综合| 久久午夜亚洲精品久久| 色综合欧美亚洲国产小说| 一级毛片精品| 亚洲欧美精品综合一区二区三区| 午夜福利高清视频| 久久天堂一区二区三区四区| 久久久久久久久久久久大奶| 女人精品久久久久毛片| 高潮久久久久久久久久久不卡| 久久久久国产精品人妻aⅴ院| 亚洲伊人色综图| 男女床上黄色一级片免费看| 一区二区三区精品91| 亚洲男人的天堂狠狠| 可以在线观看毛片的网站| 亚洲精品在线美女| 两个人免费观看高清视频| 制服丝袜大香蕉在线| 大香蕉久久成人网| 亚洲第一电影网av| 欧美绝顶高潮抽搐喷水| 国产三级在线视频| 变态另类丝袜制服| 真人一进一出gif抽搐免费| 伦理电影免费视频| 欧美国产精品va在线观看不卡| 手机成人av网站| 大型黄色视频在线免费观看| 国产欧美日韩一区二区三| 久久久水蜜桃国产精品网| 性色av乱码一区二区三区2| 在线观看免费日韩欧美大片| 欧美成人免费av一区二区三区| 久久 成人 亚洲| 精品国产超薄肉色丝袜足j| 婷婷六月久久综合丁香| 亚洲av第一区精品v没综合| 国产区一区二久久| 亚洲国产欧美网| 欧美一区二区精品小视频在线| av欧美777| 亚洲性夜色夜夜综合| 免费在线观看黄色视频的| av欧美777| 日本精品一区二区三区蜜桃| a级毛片在线看网站| 欧美中文日本在线观看视频| 国产激情欧美一区二区| 国产99白浆流出| 久久精品国产清高在天天线| 男女下面插进去视频免费观看| 亚洲成a人片在线一区二区| 成人精品一区二区免费| 免费在线观看影片大全网站| 亚洲成人国产一区在线观看| 电影成人av| 99久久综合精品五月天人人| 在线观看舔阴道视频| 丝袜在线中文字幕| 日韩欧美一区二区三区在线观看| 亚洲九九香蕉| 日韩有码中文字幕| 高潮久久久久久久久久久不卡| 午夜两性在线视频| 两个人免费观看高清视频| 亚洲五月天丁香| 亚洲avbb在线观看| 久久精品亚洲熟妇少妇任你| 成人国产一区最新在线观看| 欧美日本中文国产一区发布| av福利片在线| 男女下面插进去视频免费观看| 18禁黄网站禁片午夜丰满| 啦啦啦韩国在线观看视频| 精品不卡国产一区二区三区| 国产高清激情床上av| 一级,二级,三级黄色视频| 久久伊人香网站| 欧美激情久久久久久爽电影 | 99久久国产精品久久久| 两个人看的免费小视频| 国产亚洲av高清不卡| 亚洲男人天堂网一区| 日本 欧美在线| tocl精华| 天堂影院成人在线观看| 少妇的丰满在线观看| 男男h啪啪无遮挡| 久久婷婷成人综合色麻豆| 99国产精品免费福利视频| 欧美日韩一级在线毛片| 国产成人av激情在线播放| 精品国产超薄肉色丝袜足j| 精品乱码久久久久久99久播| a在线观看视频网站| 9色porny在线观看| 亚洲一区二区三区色噜噜| 岛国视频午夜一区免费看| 后天国语完整版免费观看| 中文字幕av电影在线播放| 国产精品综合久久久久久久免费 | 久久九九热精品免费| 正在播放国产对白刺激| 在线观看免费视频日本深夜| 国产欧美日韩一区二区三| www.www免费av| 久久人妻av系列| 亚洲一区二区三区色噜噜| 日韩三级视频一区二区三区| av福利片在线| 午夜免费鲁丝| 成人永久免费在线观看视频| 纯流量卡能插随身wifi吗| 久久久久久久午夜电影| 热99re8久久精品国产| 午夜免费鲁丝| 亚洲专区中文字幕在线| 嫩草影院精品99| 夜夜夜夜夜久久久久| 在线观看舔阴道视频| 欧美在线黄色| 久久亚洲真实| 伦理电影免费视频| 国产一级毛片七仙女欲春2 | 亚洲精品国产精品久久久不卡| 亚洲人成伊人成综合网2020| 9191精品国产免费久久| 国产在线观看jvid| 久久久久久久久久久久大奶| 亚洲精品国产一区二区精华液| 日本黄色视频三级网站网址| 男女床上黄色一级片免费看| 国产麻豆成人av免费视频| 无限看片的www在线观看| 两个人免费观看高清视频| 久久久久九九精品影院| 黄片播放在线免费| 99久久久亚洲精品蜜臀av| 日韩视频一区二区在线观看| 一级作爱视频免费观看| 丝袜美足系列| 国产av一区二区精品久久| 视频在线观看一区二区三区| 波多野结衣巨乳人妻| 久久狼人影院| 国产成人av教育| 久久精品亚洲精品国产色婷小说| 成人三级黄色视频| av网站免费在线观看视频| 久久人妻av系列| av中文乱码字幕在线| 亚洲黑人精品在线| 伦理电影免费视频| 国产高清视频在线播放一区| 国产精品av久久久久免费| 亚洲一区高清亚洲精品| 变态另类成人亚洲欧美熟女 | 91大片在线观看| 女人被躁到高潮嗷嗷叫费观| 中文字幕另类日韩欧美亚洲嫩草| 可以免费在线观看a视频的电影网站| 成人永久免费在线观看视频| 午夜福利一区二区在线看| 午夜免费激情av| 啦啦啦观看免费观看视频高清 | 一区二区三区精品91| 91精品国产国语对白视频| 国产精品久久久av美女十八| 欧美成人一区二区免费高清观看 | 又紧又爽又黄一区二区| 久久久水蜜桃国产精品网| 夜夜夜夜夜久久久久| 九色亚洲精品在线播放| 长腿黑丝高跟| 两人在一起打扑克的视频| 色老头精品视频在线观看| 午夜福利,免费看| 国产区一区二久久| 在线观看免费视频日本深夜| 99在线人妻在线中文字幕| av片东京热男人的天堂| 曰老女人黄片| 老汉色av国产亚洲站长工具| 国产精品秋霞免费鲁丝片| 搡老熟女国产l中国老女人| 中文字幕人成人乱码亚洲影| 国产亚洲av嫩草精品影院| 亚洲av片天天在线观看| 一区二区日韩欧美中文字幕| 99在线视频只有这里精品首页| 一本综合久久免费| 国产主播在线观看一区二区| 久9热在线精品视频| 午夜日韩欧美国产| 国产不卡一卡二| 一区在线观看完整版| 午夜福利影视在线免费观看| 午夜免费观看网址| 日韩有码中文字幕| 精品福利观看| 深夜精品福利| 国产单亲对白刺激| 国产视频一区二区在线看| 美女高潮到喷水免费观看| 亚洲成国产人片在线观看| 国产一级毛片七仙女欲春2 | 一个人观看的视频www高清免费观看 | 国产成人影院久久av| 亚洲国产日韩欧美精品在线观看 | 亚洲色图av天堂| 十八禁网站免费在线| 国产欧美日韩综合在线一区二区| 日本在线视频免费播放| 午夜精品国产一区二区电影| cao死你这个sao货| 一卡2卡三卡四卡精品乱码亚洲| 日韩中文字幕欧美一区二区| 亚洲av电影在线进入| 成熟少妇高潮喷水视频| 亚洲国产欧美日韩在线播放| 黄频高清免费视频| 怎么达到女性高潮| 国产精品久久久av美女十八| 亚洲色图 男人天堂 中文字幕| 亚洲国产日韩欧美精品在线观看 | 两个人看的免费小视频| 成人av一区二区三区在线看| 国产亚洲精品久久久久5区| 欧美另类亚洲清纯唯美| 男人舔女人的私密视频| 亚洲黑人精品在线| 亚洲精品国产色婷婷电影| 91成人精品电影| 午夜福利视频1000在线观看 | 国产精品日韩av在线免费观看 | 美女免费视频网站| 麻豆国产av国片精品| 久久久久国产精品人妻aⅴ院| 亚洲av成人av| 大码成人一级视频| 午夜视频精品福利| 高清毛片免费观看视频网站| 亚洲国产欧美网| 亚洲成av片中文字幕在线观看| 中文字幕色久视频| 18禁观看日本| 18禁裸乳无遮挡免费网站照片 | 亚洲欧美精品综合久久99| 少妇粗大呻吟视频| 免费搜索国产男女视频| 精品国产国语对白av| 日韩欧美三级三区| 久久久久久亚洲精品国产蜜桃av| 999久久久精品免费观看国产| 男女之事视频高清在线观看| 免费在线观看日本一区| 亚洲国产毛片av蜜桃av| 真人一进一出gif抽搐免费| 黄网站色视频无遮挡免费观看| 亚洲成av片中文字幕在线观看| 熟女少妇亚洲综合色aaa.| 美女国产高潮福利片在线看| 露出奶头的视频| 91老司机精品| 美女免费视频网站| 非洲黑人性xxxx精品又粗又长| 999精品在线视频| 高清黄色对白视频在线免费看| 9191精品国产免费久久| 亚洲久久久国产精品| 午夜成年电影在线免费观看| 无遮挡黄片免费观看| 精品欧美国产一区二区三| 女性被躁到高潮视频| 国产成人精品在线电影| 国产精品永久免费网站| 亚洲 国产 在线| 禁无遮挡网站| 成年版毛片免费区| 国产亚洲精品久久久久5区| 丁香六月欧美| 天堂动漫精品| 国产精品永久免费网站| 久久国产精品男人的天堂亚洲| 日本一区二区免费在线视频| 亚洲中文字幕一区二区三区有码在线看 | 宅男免费午夜| 大码成人一级视频| 欧美+亚洲+日韩+国产| tocl精华| 亚洲三区欧美一区| 人成视频在线观看免费观看| 女人爽到高潮嗷嗷叫在线视频| 色综合站精品国产| 国产精品 欧美亚洲| 午夜影院日韩av| 亚洲一卡2卡3卡4卡5卡精品中文| 一二三四在线观看免费中文在| 搡老妇女老女人老熟妇| 欧美日本视频| 长腿黑丝高跟| 精品第一国产精品| 国产xxxxx性猛交| 国产麻豆69| 午夜视频精品福利| 国产亚洲av嫩草精品影院| 亚洲色图av天堂| 日本免费a在线| 91精品国产国语对白视频| 日本精品一区二区三区蜜桃| 日韩欧美在线二视频| 97人妻精品一区二区三区麻豆 | 国产精品精品国产色婷婷| 精品久久久久久久人妻蜜臀av | 禁无遮挡网站| 久热爱精品视频在线9| 亚洲精品中文字幕一二三四区| 午夜日韩欧美国产| 19禁男女啪啪无遮挡网站| 国产在线精品亚洲第一网站| 久久精品aⅴ一区二区三区四区| 亚洲第一欧美日韩一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 中文字幕人妻熟女乱码| 国产亚洲av高清不卡| 极品教师在线免费播放| 日本在线视频免费播放| 国产亚洲精品久久久久久毛片| av欧美777| 亚洲欧美一区二区三区黑人| 在线av久久热| 午夜日韩欧美国产| 自线自在国产av| 久久精品国产清高在天天线| 日本 欧美在线| 精品国内亚洲2022精品成人| 午夜福利,免费看| 国产人伦9x9x在线观看| 日韩精品免费视频一区二区三区| 欧美黄色淫秽网站| 村上凉子中文字幕在线| 非洲黑人性xxxx精品又粗又长| 黑人巨大精品欧美一区二区蜜桃| 在线观看免费午夜福利视频| 女人被躁到高潮嗷嗷叫费观| 一边摸一边抽搐一进一小说| 国内精品久久久久精免费| 婷婷六月久久综合丁香| 校园春色视频在线观看| 变态另类成人亚洲欧美熟女 | 啦啦啦韩国在线观看视频| 久久精品影院6| 精品久久久久久久人妻蜜臀av | 精品熟女少妇八av免费久了| 免费在线观看影片大全网站| 一级作爱视频免费观看| 欧美日韩黄片免| 久久性视频一级片| 国产成人欧美| 别揉我奶头~嗯~啊~动态视频| 999久久久国产精品视频| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲国产欧美日韩在线播放| 久久九九热精品免费| 亚洲一区二区三区色噜噜| 久久久国产成人免费| 999久久久精品免费观看国产| 99在线视频只有这里精品首页| 亚洲国产欧美日韩在线播放| 中文字幕人妻熟女乱码| 97碰自拍视频| 亚洲成国产人片在线观看| 99re在线观看精品视频| 欧美日韩亚洲国产一区二区在线观看| 啦啦啦免费观看视频1| 一卡2卡三卡四卡精品乱码亚洲| 男人舔女人下体高潮全视频| 精品午夜福利视频在线观看一区| 亚洲美女黄片视频| 老司机午夜福利在线观看视频| 国产又色又爽无遮挡免费看| 亚洲精品国产一区二区精华液| 国产免费av片在线观看野外av| 国产精品永久免费网站| 黄片小视频在线播放| 日韩大尺度精品在线看网址 | 国产色视频综合| 亚洲 欧美 日韩 在线 免费| 成年人黄色毛片网站| 国产乱人伦免费视频| 黑丝袜美女国产一区| 一本大道久久a久久精品| 狠狠狠狠99中文字幕| 一边摸一边抽搐一进一出视频| 国产精品 国内视频| 午夜两性在线视频| 如日韩欧美国产精品一区二区三区| 日韩免费av在线播放| av片东京热男人的天堂| 美女午夜性视频免费| 中文字幕最新亚洲高清| 88av欧美| 丝袜美足系列| 国产伦人伦偷精品视频| 国产伦一二天堂av在线观看| 极品教师在线免费播放| 日韩国内少妇激情av| 满18在线观看网站| 97人妻天天添夜夜摸| 亚洲国产精品成人综合色| 黄网站色视频无遮挡免费观看| 国产欧美日韩综合在线一区二区| 乱人伦中国视频| 亚洲欧美激情综合另类| 亚洲国产精品sss在线观看| 午夜成年电影在线免费观看| 国产私拍福利视频在线观看| 日韩大尺度精品在线看网址 | 欧美最黄视频在线播放免费| 亚洲无线在线观看| 国产免费男女视频| 日本 欧美在线| 国产一区二区三区视频了| 国产麻豆成人av免费视频| 国产精品久久久av美女十八| 国产精品永久免费网站| 国产黄a三级三级三级人| 精品卡一卡二卡四卡免费| 满18在线观看网站| 亚洲欧美激情在线| 国产国语露脸激情在线看| 国产精品久久久av美女十八| 午夜成年电影在线免费观看| 亚洲精品美女久久久久99蜜臀| 国产亚洲精品综合一区在线观看 | 亚洲电影在线观看av|