• <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
    av福利片在线| 国产乱人伦免费视频| 国产精品影院久久| 丝袜美腿诱惑在线| 两性夫妻黄色片| 久久精品国产99精品国产亚洲性色 | 国产日韩欧美亚洲二区| 久久久久久久午夜电影 | 午夜免费鲁丝| 国产精品国产高清国产av | 亚洲精华国产精华精| 这个男人来自地球电影免费观看| 人妻久久中文字幕网| 免费一级毛片在线播放高清视频 | 日韩人妻精品一区2区三区| 一级片免费观看大全| 久久精品国产99精品国产亚洲性色 | 成人亚洲精品一区在线观看| 日本wwww免费看| 人妻丰满熟妇av一区二区三区 | av网站免费在线观看视频| 日韩有码中文字幕| 黄色毛片三级朝国网站| 亚洲精品在线观看二区| 精品国产乱码久久久久久男人| 日本wwww免费看| 伦理电影免费视频| 人妻丰满熟妇av一区二区三区 | 亚洲精品粉嫩美女一区| 美女 人体艺术 gogo| 最近最新中文字幕大全电影3 | 久久久久久久午夜电影 | 怎么达到女性高潮| 亚洲熟女毛片儿| 久久精品国产亚洲av香蕉五月 | 久久精品亚洲熟妇少妇任你| 欧美人与性动交α欧美软件| 久久精品国产综合久久久| 欧美日韩精品网址| 丝袜在线中文字幕| 国产亚洲欧美在线一区二区| 精品一区二区三区四区五区乱码| 无限看片的www在线观看| 99国产极品粉嫩在线观看| 国产免费现黄频在线看| 亚洲免费av在线视频| 91九色精品人成在线观看| 99久久人妻综合| 成人免费观看视频高清| 久久久国产成人精品二区 | 一级a爱片免费观看的视频| 中文字幕另类日韩欧美亚洲嫩草| 久久精品国产99精品国产亚洲性色 | 男女之事视频高清在线观看| 免费av中文字幕在线| 97人妻天天添夜夜摸| 精品一品国产午夜福利视频| 在线观看免费日韩欧美大片| 看片在线看免费视频| 18禁观看日本| 国产精品自产拍在线观看55亚洲 | 亚洲精品久久成人aⅴ小说| 99国产精品一区二区蜜桃av | 亚洲熟妇中文字幕五十中出 | 一级毛片精品| 精品人妻1区二区| 黄色视频,在线免费观看| av片东京热男人的天堂| 激情在线观看视频在线高清 | 国产精品电影一区二区三区 | 欧美日韩亚洲国产一区二区在线观看 | 精品久久久久久,| 欧美日韩乱码在线| 777米奇影视久久| 岛国在线观看网站| 欧美老熟妇乱子伦牲交| 国产极品粉嫩免费观看在线| 亚洲av片天天在线观看| 国产xxxxx性猛交| 欧美在线一区亚洲| 正在播放国产对白刺激| 国产高清视频在线播放一区| 视频区欧美日本亚洲| 性少妇av在线| 国产在视频线精品| 国产免费av片在线观看野外av| 视频在线观看一区二区三区| 亚洲在线自拍视频| 亚洲伊人色综图| 精品国产乱码久久久久久男人| 女人被狂操c到高潮| 免费日韩欧美在线观看| 91麻豆精品激情在线观看国产 | 精品国产乱子伦一区二区三区| 婷婷成人精品国产| 久久精品人人爽人人爽视色| 国产激情久久老熟女| 亚洲欧美精品综合一区二区三区| 欧美老熟妇乱子伦牲交| 老司机午夜十八禁免费视频| 老熟妇乱子伦视频在线观看| 欧美黄色片欧美黄色片| 亚洲欧美激情综合另类| 热99国产精品久久久久久7| av在线播放免费不卡| 午夜福利在线观看吧| 国产日韩一区二区三区精品不卡| 老熟女久久久| 色精品久久人妻99蜜桃| 91老司机精品| 村上凉子中文字幕在线| 一边摸一边抽搐一进一小说 | 叶爱在线成人免费视频播放| 可以免费在线观看a视频的电影网站| 欧美精品啪啪一区二区三区| 国产蜜桃级精品一区二区三区 | 国产精品.久久久| 99热网站在线观看| 久久国产精品影院| 成人亚洲精品一区在线观看| 国产精品欧美亚洲77777| 天堂俺去俺来也www色官网| 亚洲精品美女久久av网站| x7x7x7水蜜桃| 成年版毛片免费区| 亚洲久久久国产精品| 人人妻人人澡人人看| 亚洲午夜理论影院| 国产又色又爽无遮挡免费看| 欧美人与性动交α欧美精品济南到| 国产成人免费无遮挡视频| 亚洲伊人色综图| 最近最新中文字幕大全免费视频| 久久青草综合色| 日本五十路高清| 高清黄色对白视频在线免费看| 亚洲精品国产色婷婷电影| 免费在线观看影片大全网站| 亚洲av日韩在线播放| 成人影院久久| 一进一出抽搐gif免费好疼 | 熟女少妇亚洲综合色aaa.| 麻豆成人av在线观看| 日韩三级视频一区二区三区| 国产成人啪精品午夜网站| 激情视频va一区二区三区| videosex国产| 国产人伦9x9x在线观看| 新久久久久国产一级毛片| cao死你这个sao货| 久久热在线av| 国产精品久久久av美女十八| 欧美色视频一区免费| 亚洲一区二区三区不卡视频| 亚洲男人天堂网一区| x7x7x7水蜜桃| 九色亚洲精品在线播放| 国产一区二区三区在线臀色熟女 | 老司机在亚洲福利影院| 亚洲av日韩精品久久久久久密| 中文字幕色久视频| 又紧又爽又黄一区二区| 大陆偷拍与自拍| 熟女少妇亚洲综合色aaa.| 超碰97精品在线观看| 国产男女超爽视频在线观看| 大片电影免费在线观看免费| 国产无遮挡羞羞视频在线观看| 国产一区二区三区在线臀色熟女 | 黄色成人免费大全| 日韩视频一区二区在线观看| svipshipincom国产片| 免费在线观看影片大全网站| 日韩人妻精品一区2区三区| 国产99久久九九免费精品| 亚洲国产精品sss在线观看 | 精品午夜福利视频在线观看一区| 久久久久久久国产电影| 亚洲精品自拍成人| 成人永久免费在线观看视频| 1024香蕉在线观看| 亚洲欧美激情综合另类| 国产精品久久久久久精品古装| 大陆偷拍与自拍| 老司机午夜十八禁免费视频| 丝袜美足系列| 国产亚洲精品第一综合不卡| 亚洲精品国产区一区二| 中文字幕高清在线视频| 精品一区二区三区视频在线观看免费 | 国产精品av久久久久免费| 久久这里只有精品19| 成人精品一区二区免费| 亚洲欧美激情在线| 啦啦啦 在线观看视频| 精品一区二区三区四区五区乱码| 久久精品亚洲精品国产色婷小说| 好男人电影高清在线观看| 成人亚洲精品一区在线观看| 51午夜福利影视在线观看| 亚洲一区高清亚洲精品| 精品高清国产在线一区| 大型黄色视频在线免费观看| 亚洲,欧美精品.| 国产色视频综合| 亚洲在线自拍视频| 激情视频va一区二区三区| 欧美黑人欧美精品刺激| 制服诱惑二区| 黑人操中国人逼视频| 亚洲少妇的诱惑av| 国产精品自产拍在线观看55亚洲 | 在线观看免费午夜福利视频| 窝窝影院91人妻| 国产一区二区三区视频了| 欧美av亚洲av综合av国产av| 国产精品av久久久久免费| 18在线观看网站| 午夜久久久在线观看| 亚洲午夜精品一区,二区,三区| tube8黄色片| 人成视频在线观看免费观看| 精品久久蜜臀av无| 国产成人免费无遮挡视频| 国产精品一区二区在线不卡| 久久国产精品影院| 99热只有精品国产| 久久性视频一级片| 精品第一国产精品| 国产精品98久久久久久宅男小说| 村上凉子中文字幕在线| 黄色视频不卡| 男人操女人黄网站| 免费一级毛片在线播放高清视频 | 午夜精品在线福利| 中文字幕av电影在线播放| 嫩草影视91久久| 老司机影院毛片| 国产区一区二久久| 手机成人av网站| 一进一出好大好爽视频| 成年人黄色毛片网站| 亚洲色图综合在线观看| 韩国精品一区二区三区| 99精国产麻豆久久婷婷| 自拍欧美九色日韩亚洲蝌蚪91| 麻豆国产av国片精品| 制服人妻中文乱码| 中文亚洲av片在线观看爽 | 人妻丰满熟妇av一区二区三区 | 日本vs欧美在线观看视频| 麻豆乱淫一区二区| 交换朋友夫妻互换小说| 热99国产精品久久久久久7| 国产三级黄色录像| 黄色丝袜av网址大全| 国产亚洲精品第一综合不卡| 国产精品秋霞免费鲁丝片| 成人特级黄色片久久久久久久| 国产伦人伦偷精品视频| 久久精品国产综合久久久| 亚洲久久久国产精品| 午夜久久久在线观看| 极品少妇高潮喷水抽搐| 精品无人区乱码1区二区| 建设人人有责人人尽责人人享有的| 亚洲七黄色美女视频| 国产成人免费无遮挡视频| 国产91精品成人一区二区三区| 亚洲第一欧美日韩一区二区三区| av中文乱码字幕在线| 久9热在线精品视频| 欧美精品亚洲一区二区| 99国产精品一区二区蜜桃av | 色精品久久人妻99蜜桃| 下体分泌物呈黄色| 男女下面插进去视频免费观看| netflix在线观看网站| 深夜精品福利| 国产日韩一区二区三区精品不卡| 久久天堂一区二区三区四区| 久久久国产成人精品二区 | 12—13女人毛片做爰片一| 亚洲久久久国产精品| 日本wwww免费看| 91九色精品人成在线观看| 精品一区二区三卡| 99riav亚洲国产免费| 啦啦啦视频在线资源免费观看| 亚洲成人免费av在线播放| 69av精品久久久久久| 在线播放国产精品三级| 亚洲精品在线美女| 国产一区二区三区在线臀色熟女 | 一级作爱视频免费观看| 这个男人来自地球电影免费观看| 美女扒开内裤让男人捅视频| 国产精品一区二区精品视频观看| 精品人妻在线不人妻| 狠狠狠狠99中文字幕| 亚洲欧洲精品一区二区精品久久久| 超碰97精品在线观看| 国产精品二区激情视频| 久9热在线精品视频| 亚洲精品国产一区二区精华液| 亚洲熟女精品中文字幕| 日日爽夜夜爽网站| 日韩制服丝袜自拍偷拍| 在线看a的网站| 成人影院久久| 欧美+亚洲+日韩+国产| 日韩欧美免费精品| 亚洲第一欧美日韩一区二区三区| 国产精品久久久久久精品古装| 免费观看人在逋| 人妻久久中文字幕网| 国产视频一区二区在线看| 国产一区二区激情短视频| 香蕉国产在线看| 91老司机精品| videos熟女内射| 少妇裸体淫交视频免费看高清 | 精品高清国产在线一区| 亚洲专区国产一区二区| 91老司机精品| 免费在线观看影片大全网站| 叶爱在线成人免费视频播放| 精品无人区乱码1区二区| 岛国在线观看网站| 午夜福利免费观看在线| 国产97色在线日韩免费| 亚洲国产欧美日韩在线播放| 18禁美女被吸乳视频| 人人澡人人妻人| tube8黄色片| 在线观看免费午夜福利视频| 亚洲色图av天堂| 国产一区二区三区在线臀色熟女 | 精品欧美一区二区三区在线| 午夜两性在线视频| 国产精品.久久久| 久久ye,这里只有精品| 极品少妇高潮喷水抽搐| 欧美乱妇无乱码| 搡老熟女国产l中国老女人| 男女床上黄色一级片免费看| 婷婷丁香在线五月| 久久久久国产精品人妻aⅴ院 | 黄色片一级片一级黄色片| 侵犯人妻中文字幕一二三四区| 他把我摸到了高潮在线观看| 国产成人影院久久av| 国产精品一区二区免费欧美| 搡老岳熟女国产| 99香蕉大伊视频| 亚洲专区国产一区二区| 亚洲九九香蕉| 50天的宝宝边吃奶边哭怎么回事| 国产一区在线观看成人免费| 国产极品粉嫩免费观看在线| 国产精品一区二区精品视频观看| 日韩视频一区二区在线观看| 美女扒开内裤让男人捅视频| 亚洲五月色婷婷综合| 亚洲九九香蕉| 精品午夜福利视频在线观看一区| 999久久久精品免费观看国产| 黄色视频,在线免费观看| 老司机午夜福利在线观看视频| 久久久久久免费高清国产稀缺| 日韩熟女老妇一区二区性免费视频| 可以免费在线观看a视频的电影网站| 国产无遮挡羞羞视频在线观看| 99国产综合亚洲精品| 久久影院123| 精品一区二区三卡| 亚洲人成伊人成综合网2020| 亚洲欧美日韩另类电影网站| 黄频高清免费视频| 久久精品国产综合久久久| 久久久久精品人妻al黑| 多毛熟女@视频| 日韩 欧美 亚洲 中文字幕| 免费不卡黄色视频| 久久久久久人人人人人| 在线观看免费日韩欧美大片| 欧美人与性动交α欧美软件| 久久久久精品人妻al黑| 在线观看66精品国产| 日韩欧美免费精品| 亚洲中文日韩欧美视频| 黄片小视频在线播放| 国产男女内射视频| 嫩草影视91久久| 一区在线观看完整版| 亚洲中文字幕日韩| av网站免费在线观看视频| 老司机深夜福利视频在线观看| 亚洲av日韩精品久久久久久密| 午夜免费鲁丝| 国产欧美日韩一区二区三| 大码成人一级视频| 嫩草影视91久久| 中文欧美无线码| 亚洲国产精品合色在线| 久久久久久久午夜电影 | av片东京热男人的天堂| 欧美日韩黄片免| 99riav亚洲国产免费| 两性午夜刺激爽爽歪歪视频在线观看 | 久久国产精品人妻蜜桃| 成年动漫av网址| 很黄的视频免费| 国产无遮挡羞羞视频在线观看| 久久久久久久久久久久大奶| 9191精品国产免费久久| 99国产精品免费福利视频| 人妻久久中文字幕网| 午夜福利视频在线观看免费| 欧美日韩福利视频一区二区| 欧美成人午夜精品| 国产精品 国内视频| 国产免费男女视频| 国产一区二区激情短视频| 午夜久久久在线观看| 亚洲第一av免费看| 人人妻人人澡人人看| 悠悠久久av| 最近最新中文字幕大全免费视频| 精品一区二区三区av网在线观看| 色在线成人网| 一区在线观看完整版| 777久久人妻少妇嫩草av网站| 国产免费现黄频在线看| 精品一区二区三区av网在线观看| 久久狼人影院| 日本vs欧美在线观看视频| 动漫黄色视频在线观看| 中亚洲国语对白在线视频| 一本综合久久免费| 天堂动漫精品| 久久久久视频综合| 黄色 视频免费看| 亚洲欧美一区二区三区黑人| 午夜日韩欧美国产| 大香蕉久久网| 美国免费a级毛片| 国产精品久久久久久人妻精品电影| 超碰成人久久| 久久精品成人免费网站| 婷婷成人精品国产| 久久久久久亚洲精品国产蜜桃av| 国产高清激情床上av| 最近最新中文字幕大全电影3 | 可以免费在线观看a视频的电影网站| 亚洲国产看品久久| 久久人妻av系列| 久久久久久久午夜电影 | 午夜福利视频在线观看免费| 国产成人啪精品午夜网站| 一本一本久久a久久精品综合妖精| 国精品久久久久久国模美| 亚洲九九香蕉| 国产精品免费视频内射| 别揉我奶头~嗯~啊~动态视频| 亚洲av成人不卡在线观看播放网| 欧美另类亚洲清纯唯美| 免费在线观看完整版高清| 久久青草综合色| 精品国产一区二区三区久久久樱花| 免费日韩欧美在线观看| 国产精品成人在线| 国产精品影院久久| 国产男女内射视频| 99re6热这里在线精品视频| 9191精品国产免费久久| av网站免费在线观看视频| 身体一侧抽搐| 女人被狂操c到高潮| 日韩精品免费视频一区二区三区| 黄片播放在线免费| 久久久久久久午夜电影 | 久久精品aⅴ一区二区三区四区| 久久ye,这里只有精品| 亚洲熟妇熟女久久| 国产免费男女视频| 日韩大码丰满熟妇| 人人妻,人人澡人人爽秒播| 精品欧美一区二区三区在线| 深夜精品福利| 91九色精品人成在线观看| 亚洲五月天丁香| 少妇粗大呻吟视频| 成年女人毛片免费观看观看9 | 欧美日韩亚洲国产一区二区在线观看 | 欧美精品人与动牲交sv欧美| 一区二区三区激情视频| 国产成人免费观看mmmm| 一进一出好大好爽视频| 99国产精品99久久久久| 久久亚洲真实| 老司机靠b影院| 中文字幕色久视频| 亚洲,欧美精品.| 韩国av一区二区三区四区| 色精品久久人妻99蜜桃| 国产欧美日韩一区二区三区在线| 色综合欧美亚洲国产小说| 亚洲第一青青草原| 国产亚洲精品一区二区www | 十八禁高潮呻吟视频| 免费久久久久久久精品成人欧美视频| 欧美黑人欧美精品刺激| 欧美 亚洲 国产 日韩一| 日韩大码丰满熟妇| 女人高潮潮喷娇喘18禁视频| 亚洲精品国产色婷婷电影| 19禁男女啪啪无遮挡网站| 岛国在线观看网站| 欧美色视频一区免费| 天天躁狠狠躁夜夜躁狠狠躁| 久久热在线av| 黄色视频,在线免费观看| 久久国产精品影院| 三级毛片av免费| 久久久精品免费免费高清| 日日爽夜夜爽网站| 久久久久久久久久久久大奶| 伊人久久大香线蕉亚洲五| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲av成人av| 国产免费男女视频| 欧美色视频一区免费| 欧美在线黄色| 精品少妇久久久久久888优播| 性色av乱码一区二区三区2| 一区二区三区激情视频| 少妇的丰满在线观看| 99国产精品免费福利视频| 日韩免费高清中文字幕av| 久久精品亚洲av国产电影网| 午夜福利视频在线观看免费| 我的亚洲天堂| 99国产精品一区二区蜜桃av | 国产成人欧美在线观看 | 91九色精品人成在线观看| 超色免费av| 涩涩av久久男人的天堂| 精品久久久久久久久久免费视频 | 亚洲精品自拍成人| 亚洲av成人不卡在线观看播放网| 欧美国产精品一级二级三级| 午夜福利在线免费观看网站| 亚洲熟女毛片儿| 亚洲成a人片在线一区二区| 国产精品免费一区二区三区在线 | 黄色视频不卡| 欧美不卡视频在线免费观看 | 精品久久久精品久久久| 桃红色精品国产亚洲av| 极品少妇高潮喷水抽搐| 精品一区二区三区av网在线观看| 精品免费久久久久久久清纯 | 可以免费在线观看a视频的电影网站| a级片在线免费高清观看视频| 国产在视频线精品| 欧美精品一区二区免费开放| 午夜福利欧美成人| 午夜精品久久久久久毛片777| 亚洲国产毛片av蜜桃av| 午夜免费鲁丝| 欧美精品人与动牲交sv欧美| 婷婷精品国产亚洲av在线 | 亚洲第一青青草原| 人妻丰满熟妇av一区二区三区 | 99热网站在线观看| 久久久国产欧美日韩av| tocl精华| 日本vs欧美在线观看视频| 亚洲精品国产区一区二| 国产色视频综合| 久久久久久人人人人人| av福利片在线| 每晚都被弄得嗷嗷叫到高潮| 美女 人体艺术 gogo| 丝瓜视频免费看黄片| 久久久精品国产亚洲av高清涩受| 国产一区二区三区视频了| 视频区图区小说| av中文乱码字幕在线| 少妇的丰满在线观看| 一a级毛片在线观看| 91大片在线观看| 亚洲精品美女久久久久99蜜臀| 午夜91福利影院| 国产成人精品无人区| 在线观看www视频免费| 一进一出抽搐动态| 亚洲成人免费av在线播放| 免费久久久久久久精品成人欧美视频| 亚洲av美国av| 99国产精品99久久久久| 亚洲七黄色美女视频| 亚洲五月色婷婷综合| 免费在线观看黄色视频的| 波多野结衣av一区二区av| 国产精品 欧美亚洲| 亚洲精品美女久久av网站| 丝袜美足系列| 亚洲aⅴ乱码一区二区在线播放 | 两人在一起打扑克的视频| av欧美777| 亚洲精品久久午夜乱码| 国产男女超爽视频在线观看| 手机成人av网站|