• <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 ?

    基于隨機矩陣最大特征值分布的頻譜感知算法

    2017-03-21 13:08:06楊雪梅徐家品
    計算機測量與控制 2017年2期
    關鍵詞:用戶數(shù)特征值協(xié)作

    何 希,楊雪梅,徐家品

    (1.四川大學 電子信息學院,成都 610065; 2.四川大學 錦江學院,四川 彭山 620860)

    基于隨機矩陣最大特征值分布的頻譜感知算法

    何 希1,楊雪梅2,徐家品1

    (1.四川大學 電子信息學院,成都 610065; 2.四川大學 錦江學院,四川 彭山 620860)

    現(xiàn)有頻譜感知算法在低信噪比時檢測性能較低且受虛警概率影響大,針對此問題,提出了一種基于wishart矩陣樣本協(xié)方差矩陣最大特征值的分布特性的頻譜感知算法;該算法利用最大特征值與幾何平均特征值的比值,不需要主用戶的先驗知識,不敏感于噪聲,對相關信號和獨立同分布信號均具有較高的檢測性能;仿真結果表明,所提算法受虛警概率的影響較小,檢測性能高,并且在采樣點數(shù)、協(xié)作用戶數(shù)、信噪比及虛警概率較小的情況下,也能獲得較好的檢測性能。

    頻譜感知;隨機矩陣理論;樣本協(xié)方差矩陣;最大特征值;幾何平均特征值

    0 引言

    頻譜感知作為認知無線電(cognitive radio)的一種資源管理技術,主要用于處理頻譜利用率的問題。由于低信噪比、深度衰落、隱藏節(jié)點等問題[1],使頻譜感知成為了一項困難的工作。頻譜感知算法中,匹配濾波檢測(MFD)[2]、循環(huán)平穩(wěn)特征檢測(CFD)[3],以及能量檢測(ED)[4]是較為經(jīng)典的方法。相較于MFD和CFD,ED不需要主用戶的任何先驗信息,對于獨立同分布的信號具有較高的檢測性能。但對于相關信號,ED的檢測性能較差,而且對噪聲不確定性很敏感。在頻譜感知中,存在兩種感知方式:單用戶感知和協(xié)作用戶感知。單用戶感知受隱藏節(jié)點等問題的影響,沒有穩(wěn)定的檢測性能,而協(xié)作用戶感知克服了單用戶感知存在的缺陷,比單用戶感知擁有更精確的檢測性能,適用于獨立同分布信號和相關信號。由于協(xié)作頻譜感知方式明顯的優(yōu)勢,基于用戶協(xié)作的頻譜感知方式[5-8]得到了廣泛的研究。

    在多用戶協(xié)作感知場景中,信號相關與噪聲不確定現(xiàn)象很可能同時存在。為了獲得良好的感知性能,基于隨機矩陣理論的多用戶協(xié)作感知方法[9]成為了研究熱點。這些方法不僅能夠檢測獨立同分布信號,也適用于相關信號,并且成功地規(guī)避了經(jīng)典感知方法的缺點。文獻[10]中的LED算法利用了最小特征值的分布特性,與其他相似算法作比較,得到了較好的檢測性能。文獻[11]中的RMET算法利用了最大特征值分布特性,以最大特征值與樣本協(xié)方差矩陣跡的比值為檢測統(tǒng)計量,得到了較高的檢測性能。文獻[12]中的DSCM算法利用了特征值的對數(shù)分布特性,對獨立同分布信號具有較好的檢測能力,但其受虛警概率的影響較大。文獻[13]中的AMME和AME兩種算法利用了算術平均特征值的正態(tài)分布特性,兩種算法在低樣本點數(shù)下,均能獲得較好的檢測性能,但在虛警概率較低時,這兩種算法的檢測性能均較低。文獻[13]中的NMME算法利用了Wishart隨機矩陣最小特征值的分布特性,該算法受虛警概率的影響較小,但在信噪比較低時,其檢測性能也較弱。

    針對以上問題,本文根據(jù)Wishart隨機矩陣理論,采用樣本協(xié)方差矩陣最大特征值與幾何平均特征值(maximum-geometric mean eigenvalue, MGME)的比值作為判定統(tǒng)計量,提出了一種頻譜感知算法。

    1 系統(tǒng)模型

    假設主用戶信號不存在,只有噪聲的情況用H0表示,主用戶信號和噪聲都存在的情況用H1表示,則可用一個二元假設檢驗問題來表示認知用戶的信號檢測模型:

    (1)

    用向量形式H、X以及η分別將信道增益、接收信號以及噪聲表示成如下形式:

    (2)

    (3)

    (4)

    根據(jù)以上定義,式 (1) 可表示為:

    (5)

    假設噪聲η是獨立同分布(iid)信號,且信號S。與噪聲η不相關,則在樣本數(shù)N足夠大的情況下,接收信號和噪聲信號的樣本協(xié)方差矩陣Rx(N)、Rη(N)分別定義為:

    (6)

    (7)

    2 MGME算法的理論分析

    2.1 算法的理論基礎

    根據(jù)Penna等人的研究成果[16],當N→∞,M與N的比值趨于一個常數(shù)時,Wishart隨機矩陣的λmax服從Tracy-Widom分布。

    定理2:如果噪聲信號為實信號,令:

    (8)

    (9)

    當主用戶信號不存在時,Rx(N)=Rη(N),即:

    (10)

    其中:Rx(N)為Wishart隨機矩陣。

    (11)

    (12)

    2.2 算法的閾值推導

    本文將最大特征值與幾何平均特征值之比作為判決統(tǒng)計量:

    (13)

    假設虛警概率為Pfa,判決閾值為γ,根據(jù)定理1、2和式(12)可得:

    (14)

    因此,判決閾值可表示為:

    (15)

    3 算法性能仿真

    3.1 仿真環(huán)境及工具

    為了驗證所提MGME算法的檢測性能,本文將從采樣點數(shù)、協(xié)作用戶數(shù)、信噪比以及虛警概率4個條件變化情況下對MGME算法進行仿真分析。實驗采用10 000次MonteCarlo仿真來比較MGME、RMET、AMME、AME、NMME以及DSCM六種算法,仿真平臺為MATLAB(R2013a)。

    3.2 仿真結果與比較分析

    圖1、2表示各種算法在不同采樣點數(shù)情況下的檢測性能,其中Pfa=0.05,SNR=-9 dB,M分別為5和7。通過比較圖1、2的仿真曲線可知,當協(xié)作用戶數(shù)M由5增加到7時,在采樣點數(shù)N=60處,MGME算法的檢測概率增加了0.15,RMET算法增加了0.15,AMME算法增加了0.15,AME算法增加了0.17,NMME算法增加了0.08,DSCM算法減少了0.04。由此可見,增加協(xié)作用戶數(shù)有利于提高MGME、RMET、AMME、AME和NMME此5種算法的檢測性能,卻不一定能提高DSCM的檢測性能。此外,隨著采樣點數(shù)的增加,6種算法的檢測概率也隨之增加,而MGME算法的檢測概率總是高于其他五種算法。在圖1中,當采樣點數(shù)N=160時,MGME算法的檢測概率已達0.93,RMET為0.9,AMME為0.65,AME為0.55,NMME為0.51,DSCM為0.47。由此可見,增加采樣點數(shù)能提高6種算法的檢測性能。綜上所述,增加采樣點數(shù)或協(xié)作用戶數(shù)都能提高MGME算法的檢測性能,且在低采樣點數(shù)和低協(xié)作用戶數(shù)情況下,MGME算法的檢測性能是最好的。

    M=5圖1 檢測概率與采樣點數(shù)之間的關系

    M=7圖2 檢測概率與采樣點數(shù)之間的關系

    圖3、4表示各種算法在不同信噪比(dB)情況下的檢測性能,其中Pfa=0.05,N=300,M=7。圖3是檢測相關信號的情況,圖4是檢測iid信號的情況。由圖3、4的仿真曲線可知,6種算法對相關信號和iid信號都具有較好的檢測性能,且DSCM算法檢測iid信號的性能明顯高于檢測相關信號,而MGME、RMET、AMME、AME和NMME此5種算法檢測兩種信號的性能相差不大。在相同信噪比處,MGME算法的檢測概率總是高于其他5種算法。在圖3中,當信噪比SNR=-12 dB時,MGME算法的檢測概率為0.92,RMET為0.89,AMME為0.71,AME為0.68,NMME為0.53,DSCM為0.4。當SNR=-10 dB時,MGME算法的檢測概率已接近1。在圖4中,當信噪比SNR= -15 dB時,MGME的檢測概率為0.91,RMET為0.86,DSCM為0.69,AMME為0.59,AME為0.53,NMME為0.36。當SNR= -13 dB時,MGME算法的檢測概率接近于1。綜上所述,對于相關信號和iid信號,MGME算法都具有較高的檢測性能,而在低信噪比條件下,MGME的檢測性能最好。

    圖3 檢測相關信號時檢測概率與信噪比(dB)之間的關系

    圖4 檢測iid信號時檢測概率與信噪比(dB)之間的關系

    圖5表示各種算法在不同虛警概率情況下的檢測性能,其中N=100,M=7,SNR= -9 dB。由仿真曲線可知,隨著虛警概率的增加,MGME、RMET、AMME、AME和DSCM五種算法的檢測概率也隨之逐漸增加,而NMME算法的檢測概率幾乎不變。在虛警概率由0.01增加到0.2的過程中,NMME算法的檢測概率只增加了0.01,MGME增加了0.11,AMME增加了0.17,RMET增加了0.21,AME增加了0.29,DSCM增加了0.43,故NMME算法的檢測性能幾乎不受虛警概率的影響,而在MGME、RMET、AMME、AME和DSCM五種算法中,MGME是受虛警概率影響最小的。此外,在相同虛警概率下,MGME算法的檢測概率總是高于其他五種算法。在虛警概率Pfa=0.02處,MGME算法的檢測概率已達到0.9,RMET為0.82,AMME為0.57,AMME為0.5,NMME為0.47,DSCM為0.12。綜上所述,MGME算法受虛警概率的影響較小,與其他5種算法相比,在低虛警概率情況下,MGME的檢測概率最高。

    圖5 檢測概率與虛警概率之間的關系

    圖6表示各種算法在不同協(xié)作用戶數(shù)情況下的檢測性能,其中Pfa=0.05,SNR=-9 dB,N=200。由仿真曲線可知,MGME、RMET、AMME、AME和NMME五種算法的檢測概率隨協(xié)作用戶數(shù)的增加而逐步增大,而DSCM算法的檢測概率隨協(xié)作用戶數(shù)的增大而逐步減小。在相同條件下,MGME算法的關系曲線略高于RMET的關系曲線,遠高于AMME、AME、NMME和DSCM四種算法的關系曲線。在協(xié)作用戶數(shù)M=6處,MGME算法的檢測概率為0.95,RMET

    圖6 檢測概率與協(xié)作用戶數(shù)之間的關系

    為0.92,AMME為0.73,AME為0.68,NMME為0.57,DSCM為0.45。當M=8時,MGME算法的檢測概率已接近1。綜上所述,通過增加協(xié)作用戶數(shù)均能提高MGME、RMET、AME、AMME和LED五種算法的檢測性能,但在低協(xié)作用戶數(shù)條件下,MGME具有更好的檢測性能。

    4 結論

    本文根據(jù)最大特征值的分布特性,提出了一種基于樣本協(xié)方差矩陣最大特征值與幾何平均特征值比值的算法。該算法不需要知道主用戶的任何先驗信息,不敏感于噪聲,對相關信號和iid信號都有較高的檢測性能。與AME、AMME、NMME和RMET等算法相比,本文算法能獲得更好的檢測性能,具有一定的優(yōu)越性。

    [1] Tandra R, Sahai A. SNR walls for signal detection[J]. IEEE Journal of Selected Topics in Signal Processing, 2008, 2(1): 4-17.

    [2] Cabric D, Mishra S M, Brodersen R W. Implementation issues in spectrum sensing for cognitive radios[A]. Proceedings of 38th Asilomar Conference on Signals, System and Computers[C]. Piscataway: IEEE, 2004: 772-776.

    [3] Sutton P D, Nolan K E, Doyle L E. Cyclostationary signatures in practical cognitive radio applications[J]. IEEE Journal on Selected Areas in Communications, 2008, 26(1): 13-24.

    [4] Urkowitz H. Energy detection of unknown deterministic signals[J]. Proceedings of the IEEE, 1967, 55(4): 523-531.

    [5] Hamid M, Bjorsell N, Slimane S B. Energy and eigenvalue based combined fully blind self adapted spectrum sensing algorithm[J]. IEEE Transactions on Vehicular Technology, 2016, 65(2): 630-642.

    [6] Zhou F H, Beaulieu N C, Li Z, et al. Feasibility of maximum eigenvalue cooperative spectrum sensing based on Cholesky factorisation[J]. IET Communications, 2016, 10(2): 199-206.

    [7] Jia M, Wang X, Ben F, et al. An improved spectrum sensing algorithm based on energy detection and covariance detection[A]. ICCC 2015: 2015 IEEE/CIC International Conference on Communications[C]. Shenzhen: IEEE, 2015: 1-5.

    [8] Hanafi E, Martin P A, Smith P J, et al. On the distribution of detection delay for quickest spectrum sensing[J]. IEEE Transactions on Communications, 2016, 64(2): 502-510.

    [9] Ahmed A, Hu Y F, Noras J M, et al. Random matrix theory based spectrum sensing for cognitive radio networks[A].ITA 2015: Internet Technologies and Applications[C]. Wrexham: IEEE, 2015: 479-483.

    [10]楊 智, 徐家品. 基于最小特征值分布的頻譜感知算法[J]. 計算機應用, 2015, 35(2): 354-357.

    [11] 劉會衡, 鄧小鴻, 陳 偉. 一種基于特征值的多天線認知無線電盲感知算法[J]. 計算機應用研究, 2015, 32(1): 191-193.

    [12] Lei K J, Yang X, Peng S L, et al. Determinant of the sample covariance matrix based spectrum sensing algorithm for cognitive Radio[A]. WiCOM 2011: 2011 7th International Conference on Wireless Communications, Networking and Mobile Computing[C]. Wuhan: IEEE, 2011: 1-4.

    [13] 徐家品, 楊 智. 基于隨機矩陣特征值比的頻譜感知改進算法[J]. 電波科學學報, 2015, (2): 282-288.

    [14] 彌 寅, 盧光躍. 基于特征值極限分布的合作頻譜感知算法[J]. 通信學報, 2015, 36(1): 84-89.

    [15] Zeng Y H, Liang Y C. Maximum-minimum eigenvalue detection for cognitive radio[A]. 2007 IEEE 18th International Symposium on Personal, Indoor and Mobile Radio Communications[C]. Athens: IEEE, 2007: 1-5.

    [16] Penna F, Garello R, Spirito A M. Cooperative spectrum sensing based on the limiting eigenvalue ratio distribution in wishart matrices[J]. IEEE Communications Letters, 2009, 13(7): 507-509.

    Spectrum Sensing Algorithm Based on Maximum Eigenvalue Distribution of Random Matrix

    He Xi1, Yang Xuemei2, Xu Jiapin1

    (1.College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China;2.Jinjiang College, Sichuan University, Pengshan 620860, China)

    The sensing performance in existing algorithms is low at low SNR, and is highly influenced by the false-alarm probability. Aiming at this problem, using Wishart random matrix theory, a spectrum sensing algorithm based on the distribution characteristics of the maximum eigenvalue of the sampled covariance matrix was proposed. The ratio of maximum eigenvalue and geometric mean eigenvalue is calculated in the algorithm, and no prior knowledges of primary signal are needed. Not sensitive to noise uncertainty, but the algorithm has high detection performance to the related signals and the independent and identically distributed signals. The simulation results show that the proposed algorithm is less affected by the false-alarm probability and high detection performance, and can also get better sensing performance even under the conditions of few number of cooperative users and samples, low SNR and false-alarm probability.

    spectrum sensing; random matrix; sample covariance matrix; maximum eigenvalue; geometric mean eigenvalue

    2016-08-01;

    2016-08-27。

    何 希(1991-),女,四川遂寧人,碩士,主要從事通信與信息系統(tǒng)方向的研究。

    徐家品(1957-),男,四川成都人,教授,主要從事通信與信息系統(tǒng)方向的研究。

    1671-4598(2017)02-0123-03

    10.16526/j.cnki.11-4762/tp.2017.02.034

    TN92

    A

    猜你喜歡
    用戶數(shù)特征值協(xié)作
    一類帶強制位勢的p-Laplace特征值問題
    單圈圖關聯(lián)矩陣的特征值
    團結協(xié)作成功易
    協(xié)作
    讀者(2017年14期)2017-06-27 12:27:06
    協(xié)作
    讀寫算(下)(2016年9期)2016-02-27 08:46:31
    基于VBS實現(xiàn)BRAS在線用戶數(shù)的自動提取
    基于商奇異值分解的一類二次特征值反問題
    可與您并肩協(xié)作的UR3
    關于兩個M-矩陣Hadamard積的特征值的新估計
    2016年6月電話用戶分省情況
    電信科學(2014年8期)2014-03-26 20:06:26
    一夜夜www| 美女福利国产在线| 亚洲一卡2卡3卡4卡5卡精品中文| 免费观看人在逋| 精品久久久久久久毛片微露脸| 色在线成人网| 亚洲精品一卡2卡三卡4卡5卡| 亚洲精品av麻豆狂野| 欧美大码av| 一本—道久久a久久精品蜜桃钙片| 久久免费观看电影| 国产亚洲欧美在线一区二区| 久久久欧美国产精品| 国产高清激情床上av| 国产xxxxx性猛交| 丝瓜视频免费看黄片| 日韩成人在线观看一区二区三区| 国产男靠女视频免费网站| 一二三四在线观看免费中文在| 亚洲午夜理论影院| 制服人妻中文乱码| 99久久精品国产亚洲精品| 亚洲五月婷婷丁香| 黄色视频,在线免费观看| kizo精华| www.自偷自拍.com| 久热爱精品视频在线9| 欧美乱码精品一区二区三区| 国产高清国产精品国产三级| 亚洲伊人久久精品综合| 天天操日日干夜夜撸| 岛国毛片在线播放| 啦啦啦免费观看视频1| 亚洲 国产 在线| 日本黄色视频三级网站网址 | 超色免费av| videosex国产| 女性生殖器流出的白浆| 99re6热这里在线精品视频| 国产午夜精品久久久久久| 性色av乱码一区二区三区2| 天天操日日干夜夜撸| 亚洲欧美一区二区三区黑人| 90打野战视频偷拍视频| 香蕉丝袜av| 天天添夜夜摸| 欧美日韩成人在线一区二区| 国产av又大| 精品福利永久在线观看| 1024视频免费在线观看| 国产欧美亚洲国产| 80岁老熟妇乱子伦牲交| 欧美+亚洲+日韩+国产| 999久久久精品免费观看国产| 黑人巨大精品欧美一区二区mp4| 久久精品亚洲熟妇少妇任你| 激情在线观看视频在线高清 | 亚洲欧洲日产国产| 成年女人毛片免费观看观看9 | av有码第一页| 80岁老熟妇乱子伦牲交| 一个人免费看片子| 久久国产精品男人的天堂亚洲| 男女午夜视频在线观看| 午夜福利视频在线观看免费| 亚洲成人免费av在线播放| 丁香六月天网| 国产日韩欧美亚洲二区| 国产精品久久久av美女十八| 亚洲 国产 在线| 日韩中文字幕欧美一区二区| 下体分泌物呈黄色| 激情在线观看视频在线高清 | 亚洲 欧美一区二区三区| 中文字幕最新亚洲高清| 国产高清videossex| 日本av手机在线免费观看| 久久人妻av系列| 夫妻午夜视频| 国产精品亚洲av一区麻豆| 热99re8久久精品国产| 视频区图区小说| 久久精品亚洲av国产电影网| 男女边摸边吃奶| 亚洲av日韩在线播放| 露出奶头的视频| 亚洲精品美女久久av网站| 国产免费av片在线观看野外av| 精品人妻1区二区| 精品亚洲乱码少妇综合久久| 成人av一区二区三区在线看| 国产精品亚洲一级av第二区| 欧美 亚洲 国产 日韩一| 美女福利国产在线| 正在播放国产对白刺激| 熟女少妇亚洲综合色aaa.| 夫妻午夜视频| 国产高清国产精品国产三级| 久久午夜综合久久蜜桃| 亚洲精品国产色婷婷电影| 国产片内射在线| 国产在线精品亚洲第一网站| 高潮久久久久久久久久久不卡| 中文字幕av电影在线播放| 丝袜美足系列| 久久精品亚洲精品国产色婷小说| 一边摸一边抽搐一进一出视频| 欧美日韩黄片免| 日韩制服丝袜自拍偷拍| 91麻豆精品激情在线观看国产 | 少妇的丰满在线观看| 18禁裸乳无遮挡动漫免费视频| 久久久久久亚洲精品国产蜜桃av| 久久青草综合色| 亚洲五月色婷婷综合| 亚洲国产毛片av蜜桃av| 久久精品人人爽人人爽视色| 国产av精品麻豆| a级毛片在线看网站| 久久亚洲真实| 国产av又大| 成人国语在线视频| 夜夜夜夜夜久久久久| 最新在线观看一区二区三区| 国产成人欧美在线观看 | bbb黄色大片| 香蕉国产在线看| av福利片在线| 日韩大片免费观看网站| 亚洲成国产人片在线观看| 免费av中文字幕在线| 最近最新中文字幕大全电影3 | 丝袜在线中文字幕| 午夜视频精品福利| 亚洲国产成人一精品久久久| 天堂俺去俺来也www色官网| 国产一区二区三区视频了| 人人妻,人人澡人人爽秒播| 男女午夜视频在线观看| 国产又色又爽无遮挡免费看| 亚洲,欧美精品.| 99在线人妻在线中文字幕 | 亚洲成人免费av在线播放| 天天躁狠狠躁夜夜躁狠狠躁| 巨乳人妻的诱惑在线观看| kizo精华| 精品少妇黑人巨大在线播放| 国产免费现黄频在线看| 国产亚洲欧美在线一区二区| 成在线人永久免费视频| 国产成人精品久久二区二区91| 高清毛片免费观看视频网站 | 亚洲精品乱久久久久久| 精品午夜福利视频在线观看一区 | 国产亚洲精品一区二区www | 两性午夜刺激爽爽歪歪视频在线观看 | 欧美精品一区二区免费开放| 别揉我奶头~嗯~啊~动态视频| 最黄视频免费看| 无人区码免费观看不卡 | 激情视频va一区二区三区| 黄色 视频免费看| 欧美+亚洲+日韩+国产| 久久精品国产a三级三级三级| 亚洲少妇的诱惑av| 波多野结衣av一区二区av| 免费少妇av软件| 国产高清激情床上av| 国产免费av片在线观看野外av| 亚洲男人天堂网一区| 99在线人妻在线中文字幕 | 亚洲男人天堂网一区| 日韩三级视频一区二区三区| 老汉色av国产亚洲站长工具| 美女高潮到喷水免费观看| 黑丝袜美女国产一区| 51午夜福利影视在线观看| 啪啪无遮挡十八禁网站| 一级,二级,三级黄色视频| 这个男人来自地球电影免费观看| 国产欧美日韩一区二区精品| 91九色精品人成在线观看| 黑人欧美特级aaaaaa片| 国产1区2区3区精品| 无限看片的www在线观看| 777久久人妻少妇嫩草av网站| 黑人巨大精品欧美一区二区mp4| 999久久久精品免费观看国产| 亚洲专区中文字幕在线| videos熟女内射| a级片在线免费高清观看视频| 国产三级黄色录像| 最近最新中文字幕大全免费视频| 中国美女看黄片| 热99re8久久精品国产| 怎么达到女性高潮| 999久久久精品免费观看国产| 午夜福利,免费看| 亚洲五月婷婷丁香| www.精华液| 亚洲 欧美一区二区三区| av不卡在线播放| 亚洲成人免费电影在线观看| 欧美精品高潮呻吟av久久| 宅男免费午夜| 久久久久久久精品吃奶| 大片电影免费在线观看免费| 国产一区二区 视频在线| 欧美日韩国产mv在线观看视频| 女同久久另类99精品国产91| 国产男靠女视频免费网站| 欧美激情 高清一区二区三区| 老鸭窝网址在线观看| 精品国产乱码久久久久久小说| 丰满人妻熟妇乱又伦精品不卡| 精品卡一卡二卡四卡免费| 动漫黄色视频在线观看| 国产精品香港三级国产av潘金莲| 成人亚洲精品一区在线观看| 亚洲av国产av综合av卡| 久久久久视频综合| 黄色毛片三级朝国网站| 国产精品一区二区精品视频观看| 午夜精品国产一区二区电影| 精品亚洲乱码少妇综合久久| 老司机靠b影院| 国产又色又爽无遮挡免费看| 国产男女超爽视频在线观看| 成年人黄色毛片网站| 法律面前人人平等表现在哪些方面| 女人爽到高潮嗷嗷叫在线视频| 黄色 视频免费看| av视频免费观看在线观看| 亚洲性夜色夜夜综合| 男人操女人黄网站| 久久久国产一区二区| 色播在线永久视频| 午夜精品国产一区二区电影| 男女床上黄色一级片免费看| 色精品久久人妻99蜜桃| 欧美黄色淫秽网站| 丝袜美足系列| 久久久精品区二区三区| 免费少妇av软件| 久久国产精品大桥未久av| 国产av又大| 两个人看的免费小视频| 超碰成人久久| videos熟女内射| 亚洲人成77777在线视频| 日本av免费视频播放| 2018国产大陆天天弄谢| netflix在线观看网站| 国产精品久久久久久精品古装| 考比视频在线观看| 中文字幕另类日韩欧美亚洲嫩草| 中文字幕人妻熟女乱码| 制服人妻中文乱码| 美女国产高潮福利片在线看| 极品少妇高潮喷水抽搐| 欧美日韩中文字幕国产精品一区二区三区 | 两个人看的免费小视频| 又黄又粗又硬又大视频| 18禁观看日本| 国产精品二区激情视频| 欧美精品人与动牲交sv欧美| 成人国产av品久久久| 黄网站色视频无遮挡免费观看| 精品人妻在线不人妻| 极品教师在线免费播放| 18禁黄网站禁片午夜丰满| 国产在线精品亚洲第一网站| 黑人操中国人逼视频| 纯流量卡能插随身wifi吗| 国产不卡av网站在线观看| 69av精品久久久久久 | 亚洲五月色婷婷综合| 欧美在线黄色| 亚洲av欧美aⅴ国产| 操美女的视频在线观看| 国产人伦9x9x在线观看| 欧美人与性动交α欧美软件| 婷婷成人精品国产| 午夜福利,免费看| 欧美日韩成人在线一区二区| 多毛熟女@视频| 女性被躁到高潮视频| 国产不卡一卡二| 51午夜福利影视在线观看| 国产97色在线日韩免费| 男男h啪啪无遮挡| 久久久久久久国产电影| 国产精品二区激情视频| 丝袜人妻中文字幕| 国产精品久久电影中文字幕 | 12—13女人毛片做爰片一| 人妻一区二区av| 国产精品偷伦视频观看了| 在线播放国产精品三级| 激情在线观看视频在线高清 | 国产野战对白在线观看| 黄色视频,在线免费观看| 国产一区二区在线观看av| 亚洲精品av麻豆狂野| 国产无遮挡羞羞视频在线观看| 国产欧美日韩一区二区三| 天堂中文最新版在线下载| 日本wwww免费看| 久久国产亚洲av麻豆专区| 日韩欧美国产一区二区入口| 男女之事视频高清在线观看| www.熟女人妻精品国产| 麻豆成人av在线观看| 在线观看免费视频网站a站| 高清黄色对白视频在线免费看| 18禁裸乳无遮挡动漫免费视频| 亚洲国产欧美网| 飞空精品影院首页| 一本一本久久a久久精品综合妖精| 免费看十八禁软件| 国产亚洲午夜精品一区二区久久| 一边摸一边抽搐一进一出视频| 精品亚洲成国产av| 亚洲av电影在线进入| av福利片在线| 亚洲 欧美一区二区三区| 天堂俺去俺来也www色官网| 国产精品久久久人人做人人爽| 久久99一区二区三区| 18禁裸乳无遮挡动漫免费视频| 精品国产国语对白av| 好男人电影高清在线观看| 国产在线视频一区二区| 汤姆久久久久久久影院中文字幕| 淫妇啪啪啪对白视频| 日韩一区二区三区影片| www.999成人在线观看| av福利片在线| 99九九在线精品视频| 巨乳人妻的诱惑在线观看| 一边摸一边抽搐一进一小说 | 欧美精品av麻豆av| 日韩一区二区三区影片| 成年动漫av网址| 亚洲人成电影观看| 久久国产精品人妻蜜桃| 蜜桃国产av成人99| 午夜福利在线免费观看网站| 少妇的丰满在线观看| 国产精品免费视频内射| 免费在线观看完整版高清| 美女主播在线视频| 啦啦啦视频在线资源免费观看| 大型黄色视频在线免费观看| 国产成人精品在线电影| 日本vs欧美在线观看视频| 午夜福利影视在线免费观看| 在线观看一区二区三区激情| 免费观看av网站的网址| 777米奇影视久久| 欧美精品亚洲一区二区| 宅男免费午夜| 国产欧美日韩一区二区精品| 色综合婷婷激情| 久久狼人影院| 亚洲精品自拍成人| 国产高清国产精品国产三级| 国产一区二区三区视频了| 欧美日本中文国产一区发布| 十分钟在线观看高清视频www| av不卡在线播放| 一区福利在线观看| 一区二区三区精品91| 日日夜夜操网爽| 国产男靠女视频免费网站| 一级,二级,三级黄色视频| 淫妇啪啪啪对白视频| 少妇粗大呻吟视频| 18禁美女被吸乳视频| 黑人猛操日本美女一级片| 国产无遮挡羞羞视频在线观看| 亚洲中文av在线| av又黄又爽大尺度在线免费看| 国产精品98久久久久久宅男小说| www.999成人在线观看| 一区二区av电影网| 亚洲专区字幕在线| 蜜桃在线观看..| 中文字幕人妻熟女乱码| 黑人操中国人逼视频| 亚洲,欧美精品.| 一级片'在线观看视频| 97在线人人人人妻| cao死你这个sao货| 国产精品一区二区在线不卡| 亚洲国产成人一精品久久久| 亚洲av第一区精品v没综合| 人人澡人人妻人| 女人高潮潮喷娇喘18禁视频| 久久久久久久久久久久大奶| 亚洲情色 制服丝袜| 亚洲av成人不卡在线观看播放网| 天天操日日干夜夜撸| 青青草视频在线视频观看| 大型黄色视频在线免费观看| 亚洲av第一区精品v没综合| 国产aⅴ精品一区二区三区波| 亚洲全国av大片| 午夜福利在线观看吧| 一区二区三区国产精品乱码| 久久精品aⅴ一区二区三区四区| 69精品国产乱码久久久| 又黄又粗又硬又大视频| 天堂动漫精品| 久久久久视频综合| 成人av一区二区三区在线看| 91av网站免费观看| 国产成人影院久久av| 国产在线精品亚洲第一网站| 日韩制服丝袜自拍偷拍| 交换朋友夫妻互换小说| 极品人妻少妇av视频| netflix在线观看网站| av线在线观看网站| 91精品三级在线观看| 国产97色在线日韩免费| 国产无遮挡羞羞视频在线观看| 香蕉丝袜av| 欧美久久黑人一区二区| 亚洲美女黄片视频| 最新的欧美精品一区二区| 亚洲色图av天堂| 日本精品一区二区三区蜜桃| 桃花免费在线播放| 国产日韩欧美视频二区| 久久精品人人爽人人爽视色| 高清av免费在线| 飞空精品影院首页| 99国产精品一区二区蜜桃av | 熟女少妇亚洲综合色aaa.| 12—13女人毛片做爰片一| 精品免费久久久久久久清纯 | 亚洲综合色网址| 婷婷成人精品国产| 国产亚洲精品久久久久5区| 国产精品欧美亚洲77777| 伊人久久大香线蕉亚洲五| 人成视频在线观看免费观看| 真人做人爱边吃奶动态| 午夜成年电影在线免费观看| 在线观看免费高清a一片| 欧美在线黄色| 成人手机av| 国产成+人综合+亚洲专区| 国产伦理片在线播放av一区| 首页视频小说图片口味搜索| 超碰97精品在线观看| 中文字幕另类日韩欧美亚洲嫩草| 最近最新中文字幕大全电影3 | 国产亚洲欧美在线一区二区| 亚洲精品国产一区二区精华液| 91字幕亚洲| 日韩大码丰满熟妇| 色播在线永久视频| kizo精华| 狂野欧美激情性xxxx| 妹子高潮喷水视频| 肉色欧美久久久久久久蜜桃| 天堂8中文在线网| 天天影视国产精品| 欧美日韩视频精品一区| av不卡在线播放| 99在线人妻在线中文字幕 | 精品国产乱码久久久久久小说| 欧美日韩精品网址| 国内毛片毛片毛片毛片毛片| 日日夜夜操网爽| 91麻豆精品激情在线观看国产 | 91字幕亚洲| 一级,二级,三级黄色视频| 一本久久精品| 久久久久精品人妻al黑| 大码成人一级视频| 三上悠亚av全集在线观看| 色精品久久人妻99蜜桃| 精品少妇内射三级| 中文字幕人妻丝袜一区二区| 免费久久久久久久精品成人欧美视频| 亚洲 国产 在线| 18在线观看网站| 日韩免费高清中文字幕av| 国产欧美日韩精品亚洲av| 正在播放国产对白刺激| 国产精品久久久av美女十八| 欧美人与性动交α欧美精品济南到| 曰老女人黄片| 老司机影院毛片| 我的亚洲天堂| 久久狼人影院| 亚洲伊人久久精品综合| 久久久精品区二区三区| av超薄肉色丝袜交足视频| 欧美人与性动交α欧美软件| 成年人免费黄色播放视频| 国产精品一区二区在线不卡| 欧美在线黄色| 日本vs欧美在线观看视频| 丝袜在线中文字幕| av超薄肉色丝袜交足视频| 一区二区三区乱码不卡18| 99在线人妻在线中文字幕 | 午夜激情久久久久久久| 99久久人妻综合| 欧美日韩一级在线毛片| 国产亚洲av高清不卡| 国产福利在线免费观看视频| 女人爽到高潮嗷嗷叫在线视频| 视频区欧美日本亚洲| 人人澡人人妻人| 少妇被粗大的猛进出69影院| 亚洲免费av在线视频| 少妇粗大呻吟视频| 高清毛片免费观看视频网站 | 宅男免费午夜| 在线av久久热| 久久久久久久大尺度免费视频| 亚洲黑人精品在线| 91大片在线观看| 国产xxxxx性猛交| 精品久久蜜臀av无| 999精品在线视频| 十八禁人妻一区二区| 国产精品一区二区精品视频观看| 18禁美女被吸乳视频| 两性午夜刺激爽爽歪歪视频在线观看 | 日本五十路高清| 最近最新免费中文字幕在线| 黑人操中国人逼视频| 欧美黑人欧美精品刺激| 欧美精品av麻豆av| 日韩精品免费视频一区二区三区| 成年女人毛片免费观看观看9 | 精品国产国语对白av| 国产在线免费精品| 高潮久久久久久久久久久不卡| 99re6热这里在线精品视频| 亚洲色图综合在线观看| 深夜精品福利| 国产在线精品亚洲第一网站| 宅男免费午夜| 制服人妻中文乱码| 国产不卡av网站在线观看| 丰满人妻熟妇乱又伦精品不卡| 在线观看免费视频网站a站| 成人三级做爰电影| 国产精品麻豆人妻色哟哟久久| 在线av久久热| 波多野结衣av一区二区av| 欧美黄色淫秽网站| 午夜福利视频精品| 人人妻人人爽人人添夜夜欢视频| 91大片在线观看| 黄片小视频在线播放| 成人18禁高潮啪啪吃奶动态图| 久久毛片免费看一区二区三区| 成人18禁在线播放| 久久毛片免费看一区二区三区| 在线播放国产精品三级| 他把我摸到了高潮在线观看 | 日韩精品免费视频一区二区三区| 丰满人妻熟妇乱又伦精品不卡| 亚洲精品美女久久久久99蜜臀| 亚洲色图综合在线观看| 露出奶头的视频| 欧美人与性动交α欧美软件| 国产成人精品无人区| www日本在线高清视频| 国产福利在线免费观看视频| 岛国在线观看网站| 国产精品 国内视频| 国产视频一区二区在线看| 这个男人来自地球电影免费观看| 动漫黄色视频在线观看| 日韩有码中文字幕| 精品亚洲成a人片在线观看| 夫妻午夜视频| 亚洲,欧美精品.| 99精品在免费线老司机午夜| 91成年电影在线观看| 国产精品久久久久成人av| 精品国产乱码久久久久久男人| 久久精品亚洲熟妇少妇任你| 亚洲国产精品一区二区三区在线| 两性午夜刺激爽爽歪歪视频在线观看 | 韩国精品一区二区三区| 精品欧美一区二区三区在线| 日韩欧美一区二区三区在线观看 | tube8黄色片| 午夜精品久久久久久毛片777| 国产在线观看jvid| 青青草视频在线视频观看| 欧美日韩亚洲综合一区二区三区_| 黄色成人免费大全| 午夜精品久久久久久毛片777| 日本欧美视频一区| 国产亚洲午夜精品一区二区久久| 国产在线免费精品| 黄色视频在线播放观看不卡| 欧美日韩一级在线毛片| 男女午夜视频在线观看| 国产精品免费大片| 国产在线视频一区二区| 我要看黄色一级片免费的| 视频在线观看一区二区三区| 纯流量卡能插随身wifi吗|