• <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 ?

    非高斯環(huán)境下的深度學(xué)習(xí)脈沖信號去噪與重構(gòu)?

    2021-04-22 02:49:24李悅馬曉川王磊劉宇
    應(yīng)用聲學(xué) 2021年1期
    關(guān)鍵詞:時(shí)域高斯信噪比

    李悅 馬曉川 王磊 劉宇

    (1 中國科學(xué)院聲學(xué)研究所 北京 100190)

    (2 中國科學(xué)院水下航行器信息技術(shù)重點(diǎn)實(shí)驗(yàn)室 北京 100190)

    (3 中國科學(xué)院大學(xué) 北京 100049)

    0 引言

    近年來,為順應(yīng)現(xiàn)代海戰(zhàn)的演進(jìn)趨勢,水下對抗正朝著體系化、無人化、智能化方向發(fā)展。在有關(guān)海區(qū)及時(shí)偵測未知聲吶發(fā)射的脈沖信號,并分析其性能是水聲對抗的重要任務(wù)之一。由于聲源位置的遠(yuǎn)近未知,加上海洋環(huán)境變化多端,致使接收信噪比較低,因此需要利用適當(dāng)?shù)娜ピ敕椒▽γ}沖信號進(jìn)行增強(qiáng),以便進(jìn)行后續(xù)的信號處理與分析。

    脈沖信號持續(xù)時(shí)間較短,傳統(tǒng)的自適應(yīng)濾波去噪方法難以在脈沖持續(xù)時(shí)間內(nèi)有效收斂,并且傳統(tǒng)方法中大多基于環(huán)境噪聲為高斯分布的假設(shè),經(jīng)過研究,實(shí)際應(yīng)用中的海洋環(huán)境噪聲還常常表現(xiàn)為非高斯分布。α穩(wěn)定分布的脈沖噪聲以及非平穩(wěn)的行船噪聲是海洋環(huán)境中兩種常見的非高斯噪聲。當(dāng)假設(shè)背景噪聲為高斯噪聲時(shí),可利用水聲信號的二階或高階統(tǒng)計(jì)量進(jìn)行信號處理,由于分?jǐn)?shù)低階的α穩(wěn)定分布不存在有限的二階及以上各階統(tǒng)計(jì)量[1],此類算法在這種情況下會(huì)發(fā)生性能下降,另外非平穩(wěn)行船噪聲也會(huì)為傳統(tǒng)的基于自適應(yīng)濾波的去噪方法收斂帶來困難。

    短時(shí)傅里葉變換(Short time Fourier transformation,STFT)是一種線性時(shí)頻分析方法,其算法實(shí)現(xiàn)簡單高效,并且不會(huì)產(chǎn)生交叉項(xiàng),在工程實(shí)踐中得到了廣泛的應(yīng)用。隨著深度學(xué)習(xí)領(lǐng)域的蓬勃發(fā)展,近年來出現(xiàn)了大量利用深度學(xué)習(xí)方法進(jìn)行語音增強(qiáng)的研究,這些研究利用語音信號STFT幅值特征進(jìn)行語音信號去噪與重構(gòu)。文獻(xiàn)[2–3]利用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)學(xué)習(xí)帶噪信號STFT幅值與純凈信號STFT幅值之間的映射關(guān)系實(shí)現(xiàn)去噪,文獻(xiàn)[4–5]利用循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent neural network,RNN)建立各幀數(shù)據(jù)上下文之間的關(guān)系,利用前后序列的相關(guān)性進(jìn)行去噪,也取得了較好的結(jié)果。相較于RNN,CNN網(wǎng)絡(luò)參數(shù)更少,并且不存在RNN網(wǎng)絡(luò)的長期依賴問題,更易于訓(xùn)練。CNN語音增強(qiáng)模型利用增強(qiáng)語音幅值特征與原帶噪語音譜的相位分量來重構(gòu)信號。語音信號的去噪僅對幅值譜進(jìn)行處理,是因?yàn)橄辔粚τ谡Z音信號的可懂度影響不大[2],然而對于水聲脈沖信號其相位與幅值特征均是重要的信息。文獻(xiàn)[6]提出一種DnCNN的圖像去噪網(wǎng)絡(luò),可在未知背景噪聲級的情況下實(shí)現(xiàn)盲去噪,利用殘差學(xué)習(xí)(Residual learning,RL)和批標(biāo)準(zhǔn)化(Batch normalization,BN)提升模型性能。經(jīng)研究,深度神經(jīng)網(wǎng)絡(luò)模型相較于恒等映射更易于學(xué)習(xí)殘差映射,因此本文借鑒DnCNN,利用殘差學(xué)習(xí)的思想,學(xué)習(xí)帶噪信號STFT特征和帶噪信號與純凈信號STFT特征值殘差之間的映射關(guān)系,與之前提到的CNN語音增強(qiáng)網(wǎng)絡(luò)不同的是,本文脈沖信號去噪網(wǎng)絡(luò)的輸入包含STFT特征的實(shí)部和虛部兩個(gè)通道,并不僅是幅值特征,學(xué)習(xí)的目標(biāo)是殘差的實(shí)虛部兩通道分量。文獻(xiàn)[7]指出批標(biāo)準(zhǔn)化僅在高斯分布噪聲條件下具備良好的性能,本文訓(xùn)練集噪聲包括高斯及另外兩種非高斯噪聲,為提升模型在復(fù)雜噪聲場景中的泛化性,模型去掉批標(biāo)準(zhǔn)化層。本文模型相較于傳統(tǒng)去噪方法主要有以下優(yōu)點(diǎn):首先,深度學(xué)習(xí)可以通過訓(xùn)練使模型適用于多種類型脈沖信號及環(huán)境噪聲,再者,傳統(tǒng)方法如自適應(yīng)濾波方法對參數(shù)設(shè)置如權(quán)值初值、更新步長等較為敏感,而訓(xùn)練完畢的神經(jīng)網(wǎng)絡(luò)僅根據(jù)輸入帶噪數(shù)據(jù)進(jìn)行計(jì)算,無需人為設(shè)定參數(shù)。

    本文針對兩種常見的非高斯環(huán)境中脈沖信號的去噪問題,提出一種基于深度學(xué)習(xí)的處理手段。首先對接收帶噪信號進(jìn)行STFT,提取其實(shí)部與虛部分量,之后建立全卷積的水聲脈沖信號去噪網(wǎng)絡(luò),實(shí)現(xiàn)多種環(huán)境噪聲中的多種脈沖信號的增強(qiáng),最后通過逆變換重構(gòu)脈沖信號的時(shí)域序列。本文仿真3種常見脈沖信號:連續(xù)波(Continuous wave,CW)信號、線性調(diào)頻(Linear frequency modulation,LFM)信號、雙曲調(diào)頻(Hyperbolic frequency modulation,HFM)信號,添加高斯噪聲、α穩(wěn)定分布噪聲以及非平穩(wěn)行船噪聲,生成不同信噪比或廣義信噪比下的樣本,用以訓(xùn)練模型。通過在仿真測試集以及實(shí)測樣本上的測試,并對比傳統(tǒng)去噪方法,驗(yàn)證本文方法在脈沖信號去噪與重構(gòu)任務(wù)中的有效性。

    1 非高斯噪聲

    常見的聲吶發(fā)射脈沖信號有CW信號、LFM信號、HFM信號等。實(shí)際水聲環(huán)境中的噪聲常呈現(xiàn)非高斯分布。由于工業(yè)活動(dòng)、地震風(fēng)暴及海洋生物等因素的影響,會(huì)存在大量的脈沖干擾,這種噪聲可用α穩(wěn)定分布來描述[8]。另外行駛船舶也會(huì)產(chǎn)生一種非平穩(wěn)噪聲,本文主要研究高斯噪聲和這兩種非高斯環(huán)境噪聲中的脈沖信號增強(qiáng)。

    1.1 α穩(wěn)定分布噪聲

    α穩(wěn)定分布又稱非高斯分布、重尾分布。α穩(wěn)定分布的概率密度函數(shù)除少數(shù)特例外并不存在統(tǒng)一、封閉的解析表達(dá)式,一般使用特征函數(shù)來描述其分布特性[9]。

    若隨機(jī)變量X服從α穩(wěn)定分布,當(dāng)且僅當(dāng)其特征函數(shù)滿足

    其中,0<α≤2,?1≤β≤1,γ>0,?∞<δ<∞。

    α穩(wěn)定分布用4個(gè)基本參數(shù)來描述其主要特征。特性指數(shù)α決定概率密度函數(shù)的拖尾厚度,α越小拖尾越厚重,沖擊性越強(qiáng)。偏斜參數(shù)β是分布對稱程度的度量,當(dāng)β=0時(shí),分布對稱;β<0時(shí),分布具有右偏態(tài);β>0則表示分布具有左偏態(tài)。尺度參數(shù)γ表示分布偏離均值的離散程度,類似于高斯分布中的方差。位置參數(shù)δ類似于高斯分布中的均值,表示了分布的位置[10]。

    由于α穩(wěn)定分布噪聲不存在有限的二階統(tǒng)計(jì)矩,無法表示其方差,因此將傳統(tǒng)意義上的信噪比進(jìn)行重定義,稱為廣義信噪比(Generalized signal-tonoise ratio GSNR)[11],如式(3)所示:

    1.2 非平穩(wěn)行船噪聲

    行駛船舶的輻射噪聲是一個(gè)非平穩(wěn)的隨機(jī)過程,可以用局部平穩(wěn)過程來擬合[12],文獻(xiàn)[13]利用如下的信號模型仿真行船噪聲:

    其中,ng(t)表示高斯白噪聲,n0(t)表示環(huán)境噪聲,為體現(xiàn)艦船噪聲的非平穩(wěn)性,調(diào)制幅度a可隨機(jī)變化。

    2 脈沖信號去噪卷積神經(jīng)網(wǎng)絡(luò)模型

    針對多種復(fù)雜背景噪聲中的3種脈沖信號(CW,LFM,HFM)的去噪及重構(gòu)問題,本文提出一種基于深度學(xué)習(xí)的方法,系統(tǒng)流程圖如圖1所示。首先對傳感器接收信號x(t)進(jìn)行STFT,獲得STFT復(fù)數(shù)譜X(m,k)并輸入去噪卷積神經(jīng)網(wǎng)絡(luò)中,輸出去噪信號復(fù)數(shù)譜S(m,k),最后通過逆變換可獲得去噪信號的時(shí)域序列(t)。

    圖1 系統(tǒng)流程圖Fig.1 System f low chart

    2.1 特征提取

    傳感器接收信號x(t)為純凈脈沖信號s(t)與環(huán)境噪聲n(t)之和,即:

    已知STFT為一種線性時(shí)頻分析方法,因此對接收信號x(t)進(jìn)行時(shí)頻分析有

    其中,X(m,k)、S(m,k)、V(m,k)分別為被噪聲污染的聲吶接收信號、純凈信號以及噪聲的STFT復(fù)數(shù)譜,m和k分別為時(shí)間幀和頻率幀的序號。

    X(m,k)包含實(shí)部分量Xr(m,k)與虛部分量Xi(m,k),如式(7)所示:

    其中,j為虛數(shù)單位。

    本文建立深度去噪網(wǎng)絡(luò)完成接收信號STFT譜X到其與純凈信號STFT譜S之差V的映射,獲得估計(jì)的殘差譜,利用殘差學(xué)習(xí)能夠加速網(wǎng)絡(luò)訓(xùn)練并且取得更好的效果。去噪后信號時(shí)頻譜,如式(8)所示:

    圖2和圖3分別為信噪比或廣義信噪比為0 dB情況下脈沖信號時(shí)域序列和時(shí)頻圖。可以看出,高斯噪聲在時(shí)間域和時(shí)頻域上的分布都較為均勻,脈沖信號特征較為明顯。非平穩(wěn)行船噪聲在時(shí)間上表現(xiàn)出起伏的特征,此例中中間段信噪比較小,而兩端較大,時(shí)域圖中靠近中間段的脈沖被淹沒,而時(shí)頻域上脈沖特征仍較為明顯。α穩(wěn)定分布噪聲某些時(shí)刻出現(xiàn)能量較強(qiáng)的脈沖噪聲,在時(shí)頻圖上表現(xiàn)為平行于頻率軸的亮線,在時(shí)域和時(shí)頻域上信號特征都相對較弱,更難以檢測。

    圖2 信號時(shí)域序列Fig.2 Time-domain sequence of signals

    圖3 信號時(shí)頻圖Fig.3 Spectrogram of signals

    2.2 網(wǎng)絡(luò)模型與參數(shù)設(shè)置

    本文中脈沖信號去噪網(wǎng)絡(luò)采用全卷積的網(wǎng)絡(luò)結(jié)構(gòu),模型結(jié)構(gòu)如圖4所示,參數(shù)設(shè)置如表1所示。去噪網(wǎng)絡(luò)共15層,第1層到第14層中各層包含一個(gè)卷積層和一個(gè)ReLU非線性激活層,最后一層僅包含一個(gè)卷積層。除最后一層,各卷積層均采用64個(gè)卷積核來提取特征,最后一層的卷積核數(shù)目為2,與輸出通道數(shù)相同。網(wǎng)絡(luò)輸入特征共兩個(gè)通道,分別為接收信號STFT譜X的實(shí)部分量Xr和虛部分量Xi,網(wǎng)絡(luò)輸出特征包括殘差信號的實(shí)部分量r和虛部分量i。

    圖4 脈沖信號去噪網(wǎng)絡(luò)Fig.4 Pulse signal denoising neural network

    表1 脈沖信號去噪網(wǎng)絡(luò)參數(shù)設(shè)置Table 1 Parameter setting of pulse signal denoising neural network

    去噪網(wǎng)絡(luò)的損失函數(shù)如式(10)所示:

    其中,M、K分別表示STFT時(shí)間幀和頻點(diǎn)的總數(shù),B為批大小。

    3 仿真實(shí)驗(yàn)與分析

    此小節(jié)利用仿真數(shù)據(jù)對脈沖信號去噪模型進(jìn)行訓(xùn)練,并與傳統(tǒng)的基于最小均方誤差(Least mean square,LMS)的自適應(yīng)濾波方法進(jìn)行性能對比。

    3.1 仿真數(shù)據(jù)集

    本文的目標(biāo)是在復(fù)雜噪聲背景下對脈沖信號進(jìn)行去噪。實(shí)際接收信號中有可能存在多個(gè)甚至不同類型的脈沖信號,并且脈沖信號可能出現(xiàn)在任意時(shí)刻,處于任意頻段。因而在生成仿真數(shù)據(jù)集時(shí),一條樣本中需要仿真一到多個(gè)脈沖信號,并且脈沖信號的類型隨機(jī)產(chǎn)生。為簡化問題,將一條樣本中含有的脈沖數(shù)上限置為2,即一條樣本中至多含有兩個(gè)脈沖信號。脈沖信號的起止時(shí)間、起止頻率均隨機(jī)產(chǎn)生。仿真信號各項(xiàng)參數(shù)如表2所示。

    表2 仿真信號數(shù)據(jù)集參數(shù)設(shè)置Table 2 Parameter setting of simulation signal data set

    對仿真得到的時(shí)域樣本信號進(jìn)行STFT,設(shè)定窗長為512,窗與窗之間有50%的重疊,去除冗余保存128個(gè)頻點(diǎn),因此1 s的數(shù)據(jù)可以得到128×128×1的三維STFT復(fù)數(shù)特征。提取STFT譜的實(shí)部分量與虛部分量,并歸一化,作為網(wǎng)絡(luò)的輸入。在產(chǎn)生仿真數(shù)據(jù)時(shí),保留純凈信號的時(shí)頻域特征,將接收信號與純凈信號幅值譜殘差作為去噪網(wǎng)絡(luò)的輸出。

    仿真數(shù)據(jù)集包含5000條樣本,劃分?jǐn)?shù)據(jù)集為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集,比例為9:1。

    3.2 去噪性能分析

    圖5(a)和圖5(b)分別為測試樣本的純凈信號時(shí)域序列和時(shí)頻圖,其中包括兩條脈沖信號分別為CW信號和LFM信號。圖5(c)~圖5(h)為純凈信號經(jīng)過高斯噪聲、非平穩(wěn)船噪聲以及α穩(wěn)定分布噪聲污染后的信號時(shí)域序列和時(shí)頻圖。

    圖6展示了經(jīng)過本文模型去噪與重構(gòu)后信號的時(shí)域序列與時(shí)頻圖,可以看到,在3種噪聲條件下,本文模型均能取得較好的去噪結(jié)果。尤其是在α穩(wěn)定分布噪聲樣本中,對比圖5(g)、圖5(h)與圖6(e)、圖6(f),本文模型去除了α穩(wěn)定分布噪聲中的能量很強(qiáng)的寬帶脈沖噪聲,增強(qiáng)了目標(biāo)脈沖信號,極大地提高了信噪比。對時(shí)域圖進(jìn)行放大如圖7所示,本文模型重構(gòu)的脈沖信號與原始信號近乎重合,對信號特征保留完整。

    圖5 仿真測試樣本示例Fig.5 Examples of simulation test samples

    圖6 本文模型去噪結(jié)果Fig.6 The denoising results of the neural network model

    圖7 本文方法重構(gòu)信號時(shí)域放大圖Fig.7 Zoomed diagrams of signal sequence reconstructed by denoising neural network

    圖8為LMS濾波方法在高斯噪聲和非平穩(wěn)行船噪聲背景下,通過時(shí)域?yàn)V波獲得去噪信號的時(shí)域圖及其對應(yīng)的時(shí)頻圖。可以看到,在高斯噪聲下,LMS濾波獲得的結(jié)果尚可接受,圖8(c)、圖8(d)中,由于背景噪聲非平穩(wěn),第2個(gè)脈沖之后的背景噪聲仍然有較多殘余。去噪信號時(shí)域圖中,去噪信號與原始信號差異較大。

    圖8 LMS濾波去噪結(jié)果Fig.8 The denoising results of LMS

    圖9為LMS濾波在α穩(wěn)定分布噪聲下的去噪結(jié)果??梢钥吹絃MS濾波受到強(qiáng)噪聲影響較大,與圖5(g)、圖5(h)進(jìn)行比較,時(shí)域圖和時(shí)頻圖上出現(xiàn)的能量較強(qiáng)的信號均為強(qiáng)噪聲信號,脈沖信號完全被濾除。主要原因是,LMS濾波是基于二階統(tǒng)計(jì)量的方法,對于α穩(wěn)定分布噪聲下的信號處理失效。

    圖9 LMS濾波去噪結(jié)果Fig.9 The denoising results of LMS

    對比本文提出的深度學(xué)習(xí)去噪方法與傳統(tǒng)的LMS濾波方法,本文在3種噪聲分布中的去噪性能均優(yōu)于LMS濾波,能夠有效抑制噪聲,提升信噪比,并且能夠較為完整地重構(gòu)信號,恢復(fù)信號幅度和相位特征,在多種噪聲場景中的多種脈沖信號去噪任務(wù)中表現(xiàn)出良好的性能和泛化能力。

    4 實(shí)測數(shù)據(jù)驗(yàn)證

    截取某實(shí)驗(yàn)中接收的兩段脈沖樣本,一條為CW信號,一條為LFM信號,如圖10所示。實(shí)際實(shí)驗(yàn)中,無法獲得接收信號的純凈樣本,然而由于本次實(shí)驗(yàn)的條件較為理想,可以將接收信號近似作為純凈脈沖信號。截取美國國家公園采集的冰川灣水下聲響中的“中度風(fēng)(Moderate Winds)”樣本作為環(huán)境噪聲樣本[14],如圖11所示,可以看到此例中的風(fēng)噪聲體現(xiàn)出一定的α穩(wěn)定分布特性。在實(shí)測脈沖中添加噪聲,使信噪比為?1 dB,如圖12所示,可以看到在時(shí)域圖中脈沖信號被噪聲淹沒,待檢測的脈沖在時(shí)頻譜圖中能量也相對較弱。經(jīng)過去噪模型增強(qiáng),可得到處理后脈沖信號,如圖13所示,可以看到非高斯噪聲被有效抑制,各個(gè)脈沖信號相較處理前被顯著增強(qiáng)。對比圖13(b)與圖10(b)可以看到本文方法增強(qiáng)的信號比截取實(shí)測脈沖信號更加純凈,脈沖信號之外時(shí)段與頻段的噪聲分量都得到了有效的抑制。放大重構(gòu)信號中0.008 s數(shù)據(jù),如圖14所示,重構(gòu)后的信號近似貼合截取脈沖。實(shí)驗(yàn)結(jié)果體現(xiàn)了模型在實(shí)測數(shù)據(jù)上良好的泛化性,預(yù)示著良好的應(yīng)用前景。

    圖10 實(shí)測脈沖信號Fig.10 Actual measured pulses

    圖11 實(shí)測噪聲信號Fig.11 Actual measured noise

    圖12 實(shí)測脈沖添加實(shí)測噪聲Fig.12 Measured pulses add measured noise

    圖13 本文模型去噪結(jié)果Fig.13 The denoising results of the neural network model

    圖14 本文方法重構(gòu)信號時(shí)域放大圖Fig.14 Zoomed diagram of signal sequence reconstructed by denoising neural network

    5 結(jié)論

    本文提出一種基于深度學(xué)習(xí)的能夠在高斯和非高斯環(huán)境噪聲中增強(qiáng)與重構(gòu)水聲脈沖信號的方法。通過建立全卷積的脈沖信號去噪模型,學(xué)習(xí)接收信號STFT特征與接收信號和純凈信號STFT特征殘差之間的映射,實(shí)現(xiàn)噪聲抑制,最后通過逆變換重構(gòu)脈沖信號。仿真實(shí)驗(yàn)結(jié)果顯示,模型可在3種背景噪聲中有效實(shí)現(xiàn)脈沖信號的去噪與重構(gòu),相較傳統(tǒng)的LMS濾波方法獲得了更加優(yōu)越的性能。通過在實(shí)測數(shù)據(jù)上的測試,模型顯示了在實(shí)測數(shù)據(jù)上較好的泛化性,體現(xiàn)了一定的工程應(yīng)用前景。

    猜你喜歡
    時(shí)域高斯信噪比
    小高斯的大發(fā)現(xiàn)
    基于深度學(xué)習(xí)的無人機(jī)數(shù)據(jù)鏈信噪比估計(jì)算法
    天才數(shù)學(xué)家——高斯
    基于時(shí)域信號的三電平逆變器復(fù)合故障診斷
    低信噪比下LFMCW信號調(diào)頻參數(shù)估計(jì)
    電子測試(2018年11期)2018-06-26 05:56:02
    低信噪比下基于Hough變換的前視陣列SAR稀疏三維成像
    基于極大似然準(zhǔn)則與滾動(dòng)時(shí)域估計(jì)的自適應(yīng)UKF算法
    基于時(shí)域逆濾波的寬帶脈沖聲生成技術(shù)
    保持信噪比的相位分解反褶積方法研究
    基于時(shí)域波形特征的輸電線雷擊識別
    電測與儀表(2015年2期)2015-04-09 11:28:50
    美女脱内裤让男人舔精品视频| 日韩中文字幕视频在线看片 | 色婷婷av一区二区三区视频| 天天躁夜夜躁狠狠久久av| 国内精品宾馆在线| 亚洲国产欧美人成| 少妇被粗大猛烈的视频| 国产女主播在线喷水免费视频网站| 久久这里有精品视频免费| 亚洲人成网站在线播| 国产片特级美女逼逼视频| 久久久久久久精品精品| 成人漫画全彩无遮挡| xxx大片免费视频| 99久久中文字幕三级久久日本| 中文欧美无线码| 亚洲欧美一区二区三区黑人 | 色吧在线观看| freevideosex欧美| 寂寞人妻少妇视频99o| 大香蕉久久网| 人人妻人人看人人澡| 日本欧美视频一区| 人妻系列 视频| 国产免费视频播放在线视频| a级毛片免费高清观看在线播放| 少妇人妻久久综合中文| 亚洲真实伦在线观看| 寂寞人妻少妇视频99o| 亚洲欧美一区二区三区黑人 | 日韩人妻高清精品专区| 亚洲欧美精品自产自拍| 日韩在线高清观看一区二区三区| 国产欧美日韩精品一区二区| 在线观看人妻少妇| 在线亚洲精品国产二区图片欧美 | 熟女电影av网| 欧美激情国产日韩精品一区| 午夜免费观看性视频| 久久精品国产a三级三级三级| 中文字幕免费在线视频6| 成人二区视频| 狂野欧美白嫩少妇大欣赏| 麻豆成人午夜福利视频| 午夜老司机福利剧场| 国模一区二区三区四区视频| 91精品伊人久久大香线蕉| 亚洲欧美日韩卡通动漫| 啦啦啦中文免费视频观看日本| 国产国拍精品亚洲av在线观看| 国产精品人妻久久久影院| 亚洲国产精品专区欧美| 日韩精品有码人妻一区| 婷婷色综合大香蕉| 99热国产这里只有精品6| 久久99精品国语久久久| 日韩av在线免费看完整版不卡| 大话2 男鬼变身卡| 亚洲经典国产精华液单| 人人妻人人看人人澡| 97超碰精品成人国产| 亚洲精华国产精华液的使用体验| 亚洲无线观看免费| 日韩成人伦理影院| 亚洲精华国产精华液的使用体验| 中国美白少妇内射xxxbb| 亚洲性久久影院| 免费看光身美女| 在线精品无人区一区二区三 | 男女下面进入的视频免费午夜| 国产午夜精品久久久久久一区二区三区| 国产高潮美女av| 久久热精品热| 亚洲精品视频女| 寂寞人妻少妇视频99o| 在线天堂最新版资源| 欧美日韩一区二区视频在线观看视频在线| 久久久久久久久久久免费av| 精品国产一区二区三区久久久樱花 | 久久亚洲国产成人精品v| 免费人成在线观看视频色| 午夜免费观看性视频| 久久毛片免费看一区二区三区| 亚洲在久久综合| 精品少妇黑人巨大在线播放| 人妻制服诱惑在线中文字幕| 五月开心婷婷网| av福利片在线观看| 大香蕉久久网| 女人久久www免费人成看片| 秋霞在线观看毛片| 51国产日韩欧美| 少妇人妻精品综合一区二区| 少妇 在线观看| 男人狂女人下面高潮的视频| 纯流量卡能插随身wifi吗| 欧美成人精品欧美一级黄| 纯流量卡能插随身wifi吗| 精品人妻一区二区三区麻豆| 狠狠精品人妻久久久久久综合| 高清毛片免费看| 又爽又黄a免费视频| 一级爰片在线观看| 国产精品国产av在线观看| 亚洲精华国产精华液的使用体验| 国产探花极品一区二区| 日本黄色日本黄色录像| 大香蕉久久网| 精品国产露脸久久av麻豆| 男的添女的下面高潮视频| 亚洲真实伦在线观看| 日韩中字成人| 亚州av有码| 欧美另类一区| 国产免费一区二区三区四区乱码| 亚洲欧美清纯卡通| 日本一二三区视频观看| 色婷婷久久久亚洲欧美| 少妇熟女欧美另类| 亚洲av综合色区一区| 亚洲精品乱码久久久v下载方式| 日韩视频在线欧美| 亚洲人成网站在线观看播放| 伊人久久精品亚洲午夜| 国产色婷婷99| 国产淫语在线视频| 亚洲国产毛片av蜜桃av| 青春草视频在线免费观看| 欧美老熟妇乱子伦牲交| 少妇高潮的动态图| 国产毛片在线视频| 不卡视频在线观看欧美| 黄色配什么色好看| 亚洲无线观看免费| 国产精品一区二区在线观看99| 在线天堂最新版资源| 免费观看av网站的网址| 寂寞人妻少妇视频99o| 91午夜精品亚洲一区二区三区| av播播在线观看一区| 国产伦精品一区二区三区视频9| 国产成人91sexporn| 一级片'在线观看视频| 亚洲精品国产成人久久av| 天美传媒精品一区二区| 在线观看免费高清a一片| 18禁裸乳无遮挡免费网站照片| 国产精品久久久久成人av| 中文乱码字字幕精品一区二区三区| 国产成人aa在线观看| 亚洲成人一二三区av| 尤物成人国产欧美一区二区三区| 成人午夜精彩视频在线观看| 国产在线视频一区二区| 五月开心婷婷网| 高清午夜精品一区二区三区| 男的添女的下面高潮视频| 精品人妻视频免费看| 亚洲国产精品专区欧美| 欧美少妇被猛烈插入视频| av国产久精品久网站免费入址| 国产视频内射| 精品亚洲乱码少妇综合久久| 日韩在线高清观看一区二区三区| 国产永久视频网站| 国产亚洲欧美精品永久| 日韩成人av中文字幕在线观看| 大香蕉97超碰在线| 18禁动态无遮挡网站| 在线播放无遮挡| 日韩av不卡免费在线播放| av播播在线观看一区| 高清日韩中文字幕在线| av国产精品久久久久影院| 99久国产av精品国产电影| 欧美 日韩 精品 国产| 国产免费又黄又爽又色| 国产成人freesex在线| av网站免费在线观看视频| 日韩不卡一区二区三区视频在线| 色哟哟·www| 一二三四中文在线观看免费高清| 久久久久网色| 久久久久久人妻| 99久久精品一区二区三区| 大香蕉久久网| 亚洲熟女精品中文字幕| 一级片'在线观看视频| 嫩草影院新地址| 日本欧美国产在线视频| 国产精品久久久久久精品古装| 观看免费一级毛片| 麻豆成人av视频| 免费观看av网站的网址| 亚洲精品日韩av片在线观看| 亚洲av福利一区| 校园人妻丝袜中文字幕| 国产人妻一区二区三区在| 日日啪夜夜爽| 91精品伊人久久大香线蕉| 午夜福利影视在线免费观看| 亚洲精品中文字幕在线视频 | 97在线视频观看| 国模一区二区三区四区视频| 免费在线观看成人毛片| 国产免费又黄又爽又色| 亚洲av二区三区四区| 亚洲美女黄色视频免费看| 黑人高潮一二区| 嫩草影院新地址| 秋霞在线观看毛片| 美女中出高潮动态图| h日本视频在线播放| 日日啪夜夜撸| xxx大片免费视频| 亚洲高清免费不卡视频| 男人狂女人下面高潮的视频| 青春草视频在线免费观看| 欧美日韩综合久久久久久| 日本av免费视频播放| 久久人人爽人人爽人人片va| 99久久综合免费| 超碰97精品在线观看| 成年女人在线观看亚洲视频| 女性生殖器流出的白浆| 亚洲激情五月婷婷啪啪| 18禁裸乳无遮挡动漫免费视频| 国产成人a∨麻豆精品| 麻豆精品久久久久久蜜桃| 久久久a久久爽久久v久久| 高清视频免费观看一区二区| 国产黄色免费在线视频| 美女国产视频在线观看| 最近中文字幕高清免费大全6| 国产美女午夜福利| 精品视频人人做人人爽| 亚洲国产高清在线一区二区三| 99热国产这里只有精品6| 男女国产视频网站| 下体分泌物呈黄色| 丝袜喷水一区| 日韩,欧美,国产一区二区三区| 男的添女的下面高潮视频| 丰满人妻一区二区三区视频av| 美女福利国产在线 | 亚洲第一av免费看| 一个人看的www免费观看视频| 欧美日韩视频精品一区| 欧美一区二区亚洲| 99热6这里只有精品| 日韩一区二区视频免费看| 99视频精品全部免费 在线| 国产精品av视频在线免费观看| 国产黄片视频在线免费观看| a级毛色黄片| 蜜桃亚洲精品一区二区三区| 日韩 亚洲 欧美在线| 在线观看美女被高潮喷水网站| 免费播放大片免费观看视频在线观看| 色综合色国产| 国产成人a区在线观看| 国产淫片久久久久久久久| 亚洲,一卡二卡三卡| 国产精品99久久99久久久不卡 | 丝袜喷水一区| 人妻制服诱惑在线中文字幕| 亚洲激情五月婷婷啪啪| 亚洲av男天堂| 国产黄片视频在线免费观看| 国产精品99久久99久久久不卡 | 极品教师在线视频| 亚洲av中文字字幕乱码综合| 国产熟女欧美一区二区| 少妇丰满av| 黄色怎么调成土黄色| 水蜜桃什么品种好| 国产欧美日韩精品一区二区| 国产乱人视频| 大片电影免费在线观看免费| 插阴视频在线观看视频| 晚上一个人看的免费电影| 亚洲精品一二三| 久久久久久九九精品二区国产| 日韩中文字幕视频在线看片 | 精品酒店卫生间| av播播在线观看一区| 日本猛色少妇xxxxx猛交久久| 老司机影院成人| 国产久久久一区二区三区| 人妻制服诱惑在线中文字幕| 亚洲av中文av极速乱| 黑人高潮一二区| 亚洲精品国产av成人精品| 高清在线视频一区二区三区| 精品少妇黑人巨大在线播放| 国产亚洲5aaaaa淫片| 日韩强制内射视频| 午夜激情福利司机影院| 80岁老熟妇乱子伦牲交| 在线天堂最新版资源| 国产精品秋霞免费鲁丝片| 亚洲,一卡二卡三卡| 国产亚洲一区二区精品| 国产毛片在线视频| 亚洲精品久久久久久婷婷小说| 午夜激情久久久久久久| 国产黄色视频一区二区在线观看| 国产伦精品一区二区三区四那| 日本av免费视频播放| av又黄又爽大尺度在线免费看| 精品久久久久久久末码| 亚洲国产精品国产精品| 久久鲁丝午夜福利片| 黄片wwwwww| 91久久精品国产一区二区成人| 成年av动漫网址| 亚洲中文av在线| 最新中文字幕久久久久| 亚洲成人手机| 国产 一区 欧美 日韩| 国产av码专区亚洲av| 国产欧美另类精品又又久久亚洲欧美| 国产精品嫩草影院av在线观看| 大又大粗又爽又黄少妇毛片口| 男的添女的下面高潮视频| 日韩av免费高清视频| 五月天丁香电影| 男女无遮挡免费网站观看| 两个人的视频大全免费| 国产亚洲91精品色在线| 黄色视频在线播放观看不卡| 秋霞伦理黄片| 免费高清在线观看视频在线观看| 亚洲精品国产色婷婷电影| 免费在线观看成人毛片| 久久精品国产亚洲av涩爱| 深夜a级毛片| 亚洲成人手机| 免费黄频网站在线观看国产| 日本黄大片高清| 高清av免费在线| 亚洲欧美一区二区三区国产| 18+在线观看网站| 国产精品成人在线| 校园人妻丝袜中文字幕| 老熟女久久久| 免费观看在线日韩| 少妇的逼好多水| 99热全是精品| 久久精品国产亚洲av涩爱| 美女主播在线视频| 美女cb高潮喷水在线观看| 亚洲三级黄色毛片| 男的添女的下面高潮视频| 久久久精品94久久精品| 国产视频内射| 97超碰精品成人国产| 少妇人妻一区二区三区视频| 91久久精品国产一区二区成人| 免费黄频网站在线观看国产| 亚洲精品aⅴ在线观看| 丰满乱子伦码专区| 亚洲精品中文字幕在线视频 | 51国产日韩欧美| 国产又色又爽无遮挡免| 亚洲美女黄色视频免费看| 日本爱情动作片www.在线观看| 特大巨黑吊av在线直播| 老司机影院毛片| 日韩大片免费观看网站| 日韩亚洲欧美综合| 人人妻人人看人人澡| 亚洲天堂av无毛| 久久午夜福利片| 男女无遮挡免费网站观看| 22中文网久久字幕| 久久ye,这里只有精品| 麻豆精品久久久久久蜜桃| 久久久久国产网址| av免费在线看不卡| 亚洲国产精品成人久久小说| 日韩在线高清观看一区二区三区| 免费观看a级毛片全部| 好男人视频免费观看在线| 久久这里有精品视频免费| 街头女战士在线观看网站| 卡戴珊不雅视频在线播放| 极品少妇高潮喷水抽搐| 边亲边吃奶的免费视频| 青春草亚洲视频在线观看| 亚洲精品国产av蜜桃| 男女免费视频国产| 一级毛片久久久久久久久女| 亚洲精品一区蜜桃| 午夜福利高清视频| 观看美女的网站| 99久久人妻综合| 国产高潮美女av| 日本av手机在线免费观看| 国产日韩欧美亚洲二区| 纵有疾风起免费观看全集完整版| 成人影院久久| 直男gayav资源| 亚洲精品乱码久久久久久按摩| 91在线精品国自产拍蜜月| 国产深夜福利视频在线观看| 国产免费一级a男人的天堂| 我要看日韩黄色一级片| 亚洲精品国产av蜜桃| 永久网站在线| 青青草视频在线视频观看| 久久精品国产鲁丝片午夜精品| 国产精品一区二区性色av| 亚洲色图综合在线观看| 久久精品国产亚洲网站| 久久久久久久久久成人| 国产成人91sexporn| 成年免费大片在线观看| 成人毛片a级毛片在线播放| 成人无遮挡网站| 国产精品99久久久久久久久| 国内揄拍国产精品人妻在线| 国产精品人妻久久久影院| 中文字幕制服av| 久久99精品国语久久久| 秋霞在线观看毛片| 欧美精品人与动牲交sv欧美| 亚洲国产色片| 国产免费一级a男人的天堂| 99久国产av精品国产电影| 精品国产露脸久久av麻豆| 一区二区三区免费毛片| 女人久久www免费人成看片| 免费观看无遮挡的男女| 国产在线视频一区二区| 日本av手机在线免费观看| 中国美白少妇内射xxxbb| 中国国产av一级| 80岁老熟妇乱子伦牲交| 色哟哟·www| 精品亚洲乱码少妇综合久久| 精品国产乱码久久久久久小说| 极品教师在线视频| 亚洲欧美日韩无卡精品| 国产视频内射| 欧美精品人与动牲交sv欧美| 亚洲综合精品二区| 久久久久久久久久久免费av| 精品午夜福利在线看| av在线老鸭窝| 各种免费的搞黄视频| 亚洲第一av免费看| 五月玫瑰六月丁香| 中文在线观看免费www的网站| 亚洲欧洲国产日韩| 干丝袜人妻中文字幕| 日日啪夜夜撸| 日韩 亚洲 欧美在线| 最近最新中文字幕免费大全7| 极品教师在线视频| 一区在线观看完整版| 国产视频内射| 国产精品国产三级专区第一集| 一级二级三级毛片免费看| 亚洲人成网站在线播| 在线天堂最新版资源| 国产精品女同一区二区软件| 尤物成人国产欧美一区二区三区| 亚洲美女黄色视频免费看| 日本欧美国产在线视频| 免费大片黄手机在线观看| 亚洲欧洲日产国产| 欧美高清性xxxxhd video| 亚洲av欧美aⅴ国产| 毛片一级片免费看久久久久| 欧美老熟妇乱子伦牲交| 久久久久视频综合| 熟妇人妻不卡中文字幕| 日本av免费视频播放| 国产精品99久久99久久久不卡 | 国产精品蜜桃在线观看| 全区人妻精品视频| 国产免费视频播放在线视频| 亚洲,欧美,日韩| 多毛熟女@视频| 国产色爽女视频免费观看| 精品国产乱码久久久久久小说| 国产淫片久久久久久久久| 国产av精品麻豆| 天美传媒精品一区二区| 久久精品熟女亚洲av麻豆精品| 草草在线视频免费看| 建设人人有责人人尽责人人享有的 | 日韩中字成人| 狂野欧美白嫩少妇大欣赏| 波野结衣二区三区在线| 青春草亚洲视频在线观看| 又黄又爽又刺激的免费视频.| 亚洲欧美精品专区久久| 中文乱码字字幕精品一区二区三区| 国产成人午夜福利电影在线观看| 99热网站在线观看| 极品教师在线视频| 午夜福利高清视频| 亚洲四区av| 久久久久国产网址| 国产精品三级大全| 国产 一区 欧美 日韩| 黄片无遮挡物在线观看| 国产 精品1| 日本-黄色视频高清免费观看| 啦啦啦中文免费视频观看日本| av专区在线播放| 亚洲一级一片aⅴ在线观看| 热re99久久精品国产66热6| 91久久精品电影网| 亚洲成人手机| 亚洲,欧美,日韩| 有码 亚洲区| av在线app专区| 久久久久精品久久久久真实原创| 欧美xxxx性猛交bbbb| 夜夜看夜夜爽夜夜摸| 啦啦啦中文免费视频观看日本| 97超碰精品成人国产| 国产精品免费大片| 乱码一卡2卡4卡精品| 3wmmmm亚洲av在线观看| 在线免费观看不下载黄p国产| 久久人妻熟女aⅴ| 国语对白做爰xxxⅹ性视频网站| 精品酒店卫生间| 美女xxoo啪啪120秒动态图| 久久这里有精品视频免费| 日韩三级伦理在线观看| 蜜桃久久精品国产亚洲av| 日本与韩国留学比较| 亚洲欧美一区二区三区国产| 亚洲欧美一区二区三区黑人 | 国产免费福利视频在线观看| 一区二区三区四区激情视频| 久久久久久久久久成人| 亚洲欧洲日产国产| 男女无遮挡免费网站观看| 亚洲一级一片aⅴ在线观看| av在线app专区| av免费在线看不卡| 国产在线一区二区三区精| 精品久久久久久电影网| 高清在线视频一区二区三区| 少妇丰满av| 高清毛片免费看| 少妇人妻久久综合中文| 内地一区二区视频在线| 成人黄色视频免费在线看| 18禁动态无遮挡网站| 婷婷色综合大香蕉| 精品99又大又爽又粗少妇毛片| 又大又黄又爽视频免费| 亚洲图色成人| 精品一区二区免费观看| 亚洲国产精品国产精品| 一级毛片 在线播放| 国产精品麻豆人妻色哟哟久久| av又黄又爽大尺度在线免费看| 国产成人a区在线观看| 少妇的逼好多水| 精品一区二区三卡| 色哟哟·www| 国产又色又爽无遮挡免| 久久ye,这里只有精品| 国产伦在线观看视频一区| 午夜免费鲁丝| 国产成人精品福利久久| 高清不卡的av网站| av福利片在线观看| 夜夜骑夜夜射夜夜干| 大话2 男鬼变身卡| av女优亚洲男人天堂| 亚洲激情五月婷婷啪啪| 天堂俺去俺来也www色官网| 国产一区二区三区av在线| 欧美成人精品欧美一级黄| 免费播放大片免费观看视频在线观看| 丝瓜视频免费看黄片| 日韩大片免费观看网站| 99热这里只有是精品50| 国产亚洲91精品色在线| 国产av一区二区精品久久 | 毛片女人毛片| 日韩欧美 国产精品| 99热6这里只有精品| av播播在线观看一区| 国产欧美日韩一区二区三区在线 | 免费人成在线观看视频色| 男女国产视频网站| 国产伦在线观看视频一区| 啦啦啦中文免费视频观看日本| av天堂中文字幕网| 欧美高清成人免费视频www| 中国国产av一级| 久久精品国产亚洲av涩爱| 亚洲成人手机| 你懂的网址亚洲精品在线观看| 99久国产av精品国产电影| 亚洲精品视频女| 国产精品久久久久久久久免| 久久久成人免费电影| 欧美一级a爱片免费观看看| 国国产精品蜜臀av免费| 国产精品人妻久久久久久| 欧美日韩视频高清一区二区三区二| 国产成人精品福利久久| 亚洲国产最新在线播放| 国产成人精品久久久久久|