• <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 ?

    基于深度學(xué)習(xí)的廣義頻分復(fù)用系統(tǒng)時(shí)頻雙選擇信道估計(jì)

    2021-11-14 08:23:36王瑩任軍史可林彬
    通信學(xué)報(bào) 2021年10期
    關(guān)鍵詞:導(dǎo)頻時(shí)頻殘差

    王瑩,任軍,史可,林彬,2

    (1.大連海事大學(xué)信息科學(xué)技術(shù)學(xué)院,遼寧 大連 116026;2.鵬程實(shí)驗(yàn)室網(wǎng)絡(luò)通信研究中心,廣東 深圳 518052)

    1 引言

    正交頻分復(fù)用(OFDM,orthogonal frequency division multiplexing)能夠有效抵抗頻率選擇性衰落信道,而且其基于快速傅里葉變換的調(diào)制、解調(diào)方案具有很低的計(jì)算復(fù)雜度,因而被廣泛應(yīng)用于現(xiàn)代通信系統(tǒng),如蜂窩移動(dòng)通信網(wǎng)、無線局域網(wǎng)等。然而,OFDM 通信為每一個(gè)OFDM 符號(hào)添加一個(gè)循環(huán)前綴,以消除符號(hào)間干擾,但會(huì)降低OFDM 系統(tǒng)的頻譜效率。另外,OFDM 系統(tǒng)使用矩形脈沖成型函數(shù),使OFDM 信號(hào)具有較高的帶外輻射,不利于頻譜資源的高效利用;并且要求嚴(yán)格的頻率同步以保證子載波間的正交條件。OFDM 系統(tǒng)的這些不足使其難以滿足海量機(jī)器類通信(mMTC,massive machine-type communications)[1]、超低時(shí)延數(shù)據(jù)傳輸[2]等新型應(yīng)用的要求。為了克服OFDM 系統(tǒng)的缺點(diǎn),廣義頻分復(fù)用(GFDM,generalized frequency division multiplexing)這一新型多載波通信技術(shù)受到了研究人員的廣泛關(guān)注[3-4]。每個(gè)GFDM 符號(hào)包含多個(gè)子符號(hào),在時(shí)頻平面上呈矩形網(wǎng)格結(jié)構(gòu)。GFDM 的主要特點(diǎn)包括:1) 采用具有時(shí)頻局部化特征的循環(huán)移位脈沖成型濾波器對(duì)每一個(gè)子載波單獨(dú)進(jìn)行濾波處理,從而顯著降低了系統(tǒng)的帶外輻射;2) GFDM 符號(hào)的所有子符號(hào)共用一個(gè)循環(huán)前綴,使系統(tǒng)的頻譜效率得到了提高;3) GFDM 支持靈活的時(shí)頻數(shù)據(jù)塊結(jié)構(gòu)配置方式,可以滿足超低時(shí)延數(shù)據(jù)傳輸?shù)男枨骩5]。

    在無線通信中,接收信號(hào)受無線信道傳播特性的影響會(huì)產(chǎn)生衰落現(xiàn)象。為了準(zhǔn)確恢復(fù)出發(fā)送的數(shù)據(jù)符號(hào),獲取準(zhǔn)確的信道狀態(tài)信息(CSI,channel state information)至關(guān)重要,導(dǎo)頻輔助的信道估計(jì)是GFDM 系統(tǒng)最常用的信道估計(jì)方法。然而,GFDM 是一種非正交的多載波通信系統(tǒng),其循環(huán)移位脈沖成型過程會(huì)破壞子載波間的正交,產(chǎn)生固有的子載波間干擾(ICI,inter-carrier interference)和子符號(hào)間干擾(ISI,inter-subsymbol interference)。所以在信道估計(jì)過程中會(huì)存在導(dǎo)頻污染,嚴(yán)重影響GFDM 系統(tǒng)的信道估計(jì)質(zhì)量。文獻(xiàn)[6]在近似平坦衰落信道的假設(shè)條件下,提出了2 種GFDM 固有干擾預(yù)消除方法,能夠保證導(dǎo)頻符號(hào)免受其他數(shù)據(jù)符號(hào)的干擾;采用匹配濾波得到時(shí)頻2 維平面上導(dǎo)頻符號(hào)位置處的接收信號(hào),通過最小二乘(LS,least square)方法估計(jì)導(dǎo)頻符號(hào)處的信道頻率響應(yīng)。然而該方法不適用于寬帶GFDM 系統(tǒng),而且干擾預(yù)消除會(huì)造成GFDM 發(fā)射功率損失。文獻(xiàn)[7]提出了一種GFDM 波形頻域?qū)崿F(xiàn)方案,能夠?yàn)閷?dǎo)頻符號(hào)預(yù)留與數(shù)據(jù)符號(hào)相互正交的子載波,從而提高信道估計(jì)的質(zhì)量。然而,該方案對(duì)GFDM 系統(tǒng)存在的頻偏非常敏感,頻偏的存在將破壞導(dǎo)頻符號(hào)與數(shù)據(jù)符號(hào)間的正交,造成信道估計(jì)精度下降。文獻(xiàn)[8]針對(duì)頻率選擇性塊衰落信道,分別設(shè)計(jì)了LS 和線性最小均方誤差(LMMSE,linear minimum mean square error)信道估計(jì)算法。文獻(xiàn)[8]沒有采取導(dǎo)頻保護(hù)措施,而是將其他數(shù)據(jù)符號(hào)對(duì)導(dǎo)頻符號(hào)的干擾視為噪聲,使其提出的LS 和LMMSE 這2 種信道估計(jì)算法在高信噪比(SNR,signal to noise ratio)情況下存在較大的誤差平臺(tái),而且LMMSE 信道估計(jì)算法需要信道的統(tǒng)計(jì)狀態(tài)信息并進(jìn)行矩陣求逆運(yùn)算,這些因素制約上述2 種信道估計(jì)算法的實(shí)際應(yīng)用。文獻(xiàn)[9]和文獻(xiàn)[10]分別通過雙濾波器結(jié)構(gòu)和特征值分解技術(shù)消除傳統(tǒng)GFDM 系統(tǒng)固有的ICI 和ISI,使導(dǎo)頻符號(hào)得到保護(hù),在頻率選擇性信道下能夠得到良好的信道估計(jì)效果;但是這2 種GFDM 固有干擾消除技術(shù)均破壞了脈沖成型濾波器的時(shí)頻局部化特征,不利于其在時(shí)頻雙選擇信道下的數(shù)據(jù)傳輸。

    在寬帶GFDM 通信系統(tǒng)中,用戶的運(yùn)動(dòng)將帶來多普勒效應(yīng),使無線信道同時(shí)具有頻率選擇性和時(shí)間選擇性,即時(shí)頻雙選擇信道。在雙選擇信道的作用下,一方面GFDM 系統(tǒng)的ICI 和ISI 會(huì)增強(qiáng),產(chǎn)生嚴(yán)重的導(dǎo)頻污染;另一方面需要估計(jì)的信道參數(shù)數(shù)量也會(huì)顯著增加。這使GFDM 系統(tǒng)時(shí)頻雙選擇信道估計(jì)具有很高的挑戰(zhàn)性。GFDM 系統(tǒng)雙選擇信道估計(jì)的文獻(xiàn)非常有限,而上述介紹的導(dǎo)頻輔助的GFDM 信道估計(jì)技術(shù)也無法直接應(yīng)用于雙選擇信道應(yīng)用場(chǎng)景。

    隨著計(jì)算機(jī)硬件性能飛速發(fā)展和梯度傳播算法逐漸完善,基于深度學(xué)習(xí)(DL,deep learning)的智能無線通信系統(tǒng)已成為當(dāng)前的研究焦點(diǎn)[11-12]。在基于深度學(xué)習(xí)的信道估計(jì)研究中,文獻(xiàn)[13]利用深度神經(jīng)網(wǎng)絡(luò)(DNN,deep neural network)實(shí)現(xiàn)了OFDM 接收機(jī)端到端的信道估計(jì)與符號(hào)檢測(cè)功能,驗(yàn)證了DNN 應(yīng)用于OFDM 物理層設(shè)計(jì)的可行性。但是,該DNN 無法直接提供信道的時(shí)頻響應(yīng),因此無法應(yīng)用于需要完整信道響應(yīng)信息的場(chǎng)景。文獻(xiàn)[14]將信道的時(shí)頻響應(yīng)視為一幅包含噪聲的低分辨率2 維圖像,結(jié)合使用超分辨卷積神經(jīng)網(wǎng)絡(luò)(CNN,convolution neural network)和去噪神經(jīng)網(wǎng)絡(luò)進(jìn)行OFDM 系統(tǒng)信道估計(jì)。文獻(xiàn)[14]構(gòu)建的深度學(xué)習(xí)網(wǎng)絡(luò)支持靈活的導(dǎo)頻布置方案,但是相應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)并未針對(duì)信道估計(jì)問題進(jìn)行優(yōu)化,計(jì)算復(fù)雜度和信道估計(jì)誤差性能均需進(jìn)一步提高。文獻(xiàn)[15]采用與文獻(xiàn)[14]相似的思路,即將信道的時(shí)頻響應(yīng)當(dāng)作2 維圖像進(jìn)行處理,提出了一種OFDM 深度殘差信道估計(jì)網(wǎng)絡(luò),利用殘差塊結(jié)構(gòu)中的跳層連接[16]克服網(wǎng)絡(luò)訓(xùn)練過程中的梯度消失和梯度爆炸問題,提高學(xué)習(xí)效率。

    綜上所述,GFDM 系統(tǒng)的時(shí)頻雙選擇信道估計(jì)問題還沒有得到很好的研究。為了保障GFDM 系統(tǒng)在時(shí)頻雙選擇信道下具有良好的誤碼率性能,本文提出了一種用于GFDM 系統(tǒng)的深度神經(jīng)網(wǎng)絡(luò),即信道估計(jì)殘差網(wǎng)絡(luò)(CE-ResNet,channel estimation residual network),實(shí)現(xiàn)對(duì)GFDM 系統(tǒng)時(shí)頻雙選擇性信道的估計(jì)。針對(duì)GFDM 符號(hào)的塊狀符號(hào)結(jié)構(gòu),插入時(shí)頻2 維分布的離散導(dǎo)頻符號(hào)。以導(dǎo)頻符號(hào)位置處信道增益的最小二乘估計(jì)值構(gòu)成低分辨率信道時(shí)頻增益圖像,作為CE-ResNet 的輸入,由CE-ResNet 學(xué)習(xí)低分辨率信道時(shí)頻增益圖像與高分辨率信道時(shí)頻增益圖像間的映射關(guān)系。利用經(jīng)過具有不同多普勒頻移的多徑衰落信道傳輸,且包含加性白高斯噪聲的GFDM 系統(tǒng)接收信號(hào)產(chǎn)生訓(xùn)練與測(cè)試數(shù)據(jù),完成CE-ResNet 的訓(xùn)練與測(cè)試。仿真結(jié)果表明,本文提出的CE-ResNet 能夠獲得接近于最小均方誤差(MMSE,minimum mean square error)信道估計(jì)的精度和誤碼率性能,并且針對(duì)多普勒頻移具有很好的泛化性能。

    2 GFDM 系統(tǒng)模型及其時(shí)變信道估計(jì)

    2.1 GFDM 系統(tǒng)模型

    考慮一個(gè)具有K個(gè)子載波和M個(gè)子符號(hào)的GFDM 系統(tǒng),記N=KM。發(fā)射機(jī)端將數(shù)據(jù)源提供的μN(yùn)個(gè)二進(jìn)制數(shù)據(jù)比特通過正交幅度調(diào)制(QAM,quadrature amplitude modulation)映射為N個(gè)復(fù)數(shù)據(jù)符號(hào),其中,μ為調(diào)制階數(shù)。將這N個(gè)復(fù)數(shù)據(jù)符號(hào)記為符號(hào)向量其中,dk,m表示GFDM 數(shù)據(jù)塊中第m個(gè)子符號(hào)的第k個(gè)子載波上傳輸?shù)臄?shù)據(jù)符號(hào)。GFDM 通過對(duì)一個(gè)具有時(shí)頻局部化特征的原型脈沖成型濾波器進(jìn)行時(shí)域循環(huán)移位和頻域調(diào)制,從而得到每一個(gè)數(shù)據(jù)符號(hào)所需的成型脈沖。將經(jīng)過脈沖成型處理的N個(gè)數(shù)據(jù)符號(hào)疊加在一起便可產(chǎn)生GFDM 基帶信號(hào),即

    其中,gk,m[n]為與數(shù)據(jù)符號(hào)dk,m相對(duì)應(yīng)的脈沖成形函數(shù)。對(duì)于k∈{0,…,K-1},m∈{0,…,M-1},gk,m[n]可以表示為

    其中,〈?〉N表示模-N運(yùn)算。g[n]代表原型脈沖成型濾波器,通常采用升余弦函數(shù)、根升余弦函數(shù)等作為原型脈沖成型濾波器[5]。進(jìn)一步地,式(1)還可以改寫為矩陣形式,即

    其中,x=[x[0],…,x[N-1]]T,A為GFDM 系統(tǒng)的調(diào)制矩陣,可以表示為

    考慮時(shí)頻雙選擇信道,其時(shí)變信道脈沖響應(yīng)函數(shù)可以表示為

    其中,L是信道的徑數(shù),hl(t)是第l徑的時(shí)變幅值增益,τl是第l徑的路徑時(shí)延。對(duì)式(5)中連續(xù)時(shí)間脈沖響應(yīng)函數(shù)進(jìn)行采樣后,便可得到離散時(shí)間信道脈沖響應(yīng),即,這里Ts為采樣間隔。假設(shè)GFDM 符號(hào)的循環(huán)前綴長(zhǎng)度NCP≥L,則接收端實(shí)現(xiàn)完美符號(hào)同步并去除循環(huán)前綴后的接收信號(hào)可以表示為

    其中,y=[y[0],…,y[N-1]]T為接收信號(hào)矢量;w=[w[0],…,w[N-1]]T表示均值為0、方差為的加性白高斯噪聲矢量,IN為N×N的單位矩陣;H′∈CN×N為信道矩陣,C 表示復(fù)數(shù)集合。H′的第n1行第n2列的元素,當(dāng)時(shí),有=0,其 中,n1,n2∈{0,1,…,N-1}。

    假設(shè)GFDM 接收端獲得了信道狀態(tài)信息,則對(duì)式(6)的接收信號(hào)進(jìn)行迫零均衡,有[5]

    對(duì)于均衡后的信號(hào)y′,可以通過以下處理方式得到發(fā)送數(shù)據(jù)符號(hào)的檢測(cè)結(jié)果,即

    其中,B∈CN×N是GFDM 系統(tǒng)的符號(hào)檢測(cè)矩陣。當(dāng)B=AH時(shí),表示匹配濾波接收機(jī);當(dāng)B=A-1時(shí),表示迫零接收機(jī);當(dāng)時(shí),表示MMSE 接收機(jī)。

    2.2 時(shí)變信道估計(jì)

    對(duì)于非時(shí)變信道,信道矩陣H′是一個(gè)循環(huán)矩陣,通過傅里葉變換矩陣F能夠?qū)⑵鋵?duì)角化,從而顯著降低信道估計(jì)的復(fù)雜度。這里,傅里葉變換矩陣F的第n1行第n2列的元素定義為。然而,在時(shí)變信道條件下,信道矩陣H′將失去循環(huán)矩陣的特征,并包含NL個(gè)未知的信道脈沖響應(yīng)抽頭系數(shù)。為了對(duì)時(shí)變信道進(jìn)行估計(jì),發(fā)射端在GFDM 符號(hào)中插入離散導(dǎo)頻,具體結(jié)構(gòu)如圖1 所示。圖1 中 Δk和 Δm分別為導(dǎo)頻在頻域與時(shí)域的布置間隔,通常二者分別與待估計(jì)信道的時(shí)延擴(kuò)展和多普勒頻移的大小成反比,以使導(dǎo)頻的數(shù)目滿足采樣定理要求。記導(dǎo)頻符號(hào)集合為P?{0,…,K-1}×{0,…,M-1},導(dǎo)頻符號(hào)的數(shù)目為|P|。進(jìn)一步定義導(dǎo)頻符號(hào)矢量為dp∈CN×1,數(shù)據(jù)符號(hào)矢量為dd∈CN×1。dp在非導(dǎo)頻符號(hào)位置處為0元素,而dd在非數(shù)據(jù)符號(hào)位置處為0 元素;且dp⊙dd=0,dp+dd=d。其中,⊙表示Hadamard 積。

    圖1 GFDM 符號(hào)數(shù)據(jù)塊中導(dǎo)頻符號(hào)的布置

    接收端對(duì)式(6)接收信號(hào)進(jìn)行匹配濾波,對(duì)于第m個(gè)子符號(hào)的第k個(gè)子載波上的信號(hào),匹配濾波的結(jié)果可以表示為

    對(duì)式(9)進(jìn)行整理,可以得到

    其中,gm[n]?g[〈n-mK〉N]。注意,當(dāng)(α,β)∈Sk,m時(shí),表示符號(hào)dk-α,m-β對(duì)符號(hào)dk,m的干擾增益,而表示符號(hào)dk,m自身的增益。因此,本文稱為廣義信道時(shí)頻增益,其中,k∈{0,…,K-1},m∈{0,…,M-1}。則待估計(jì)的矩陣形式的廣義信道時(shí)頻增益可以表示為

    式(10)等號(hào)右側(cè)第一項(xiàng)為期望的符號(hào)數(shù)據(jù),第二項(xiàng)為GFDM 的非正交特性及時(shí)變多徑衰落信道所引起的ICI 與ISI 信號(hào),第三項(xiàng)為經(jīng)過匹配濾波器后的噪聲信號(hào)。將式(10)改寫為矩陣形式,有

    其中,Z∈CK×M為匹配濾波器輸出信號(hào)矩陣,其第k行第m列的元素為zk,m;D∈CK×M的第k行第m列元素為dk,m;W∈CK×M的第k行第m列元素為

    利用基于廣義信道增益的信號(hào)模型式(13),便可以進(jìn)行導(dǎo)頻輔助的雙選擇信道估計(jì)。具體而言,從式(13)匹配濾波器的輸出信號(hào)矩陣Z提取出導(dǎo)頻符號(hào)處的元素zk,m,其中,(k,m)∈P。此時(shí),采用LS 算法估計(jì)導(dǎo)頻位置處的信道時(shí)頻增益,即

    利用MMSE 算法能夠進(jìn)一步提高信道估計(jì)的精度?;谑?14)給出的導(dǎo)頻符號(hào)位置處信道時(shí)頻響應(yīng)增益的最小二乘估計(jì),對(duì)于數(shù)據(jù)符號(hào)矢量dd的元素,k′∈{0,…,K-1},m′∈{0,…,M-1},其廣義信道時(shí)頻增益的MMSE 估計(jì)值可以表示為

    3 基于殘差學(xué)習(xí)的信道估計(jì)網(wǎng)絡(luò)

    3.1 殘差網(wǎng)絡(luò)的結(jié)構(gòu)

    在深度學(xué)習(xí)的應(yīng)用中,通常認(rèn)為隨著深度學(xué)習(xí)網(wǎng)絡(luò)的層數(shù)增加,可以提取更多的特征,從而達(dá)到更好的分類效果。然而,人們?cè)趯?shí)踐中發(fā)現(xiàn)在網(wǎng)絡(luò)深度逐漸增加的過程中,分類精度會(huì)首先達(dá)到飽和,并隨后出現(xiàn)性能迅速下降的現(xiàn)象[17]。文獻(xiàn)[16]針對(duì)深度神經(jīng)網(wǎng)絡(luò)的性能退化問題,提出了深度殘差學(xué)習(xí)框架。深度殘差學(xué)習(xí)的核心思想是通過層疊的網(wǎng)絡(luò)層來學(xué)習(xí)殘差映射,而不是直接學(xué)習(xí)所期望的潛在映射。殘差學(xué)習(xí)基本單元如圖2 所示。由圖2可知,殘差學(xué)習(xí)基本單元塊在層疊網(wǎng)絡(luò)中引入了輸入信號(hào)的跳躍傳輸機(jī)制。記H(x)為期望的潛在映射,在殘差學(xué)習(xí)框架下層疊的非線性網(wǎng)絡(luò)用于擬合殘差F(x)=H(x)-x,這樣原始的潛在映射便可以表示為F(x)+x。文獻(xiàn)[16]指出通過殘差學(xué)習(xí)技術(shù),解決了深度神經(jīng)網(wǎng)絡(luò)中由于層數(shù)增加而帶來的網(wǎng)絡(luò)退化問題,并能夠有效提高網(wǎng)絡(luò)的性能。

    圖2 殘差學(xué)習(xí)基本單元塊

    3.2 GFDM 時(shí)變信道估計(jì)網(wǎng)絡(luò)的建立

    本節(jié)將GFDM 系統(tǒng)導(dǎo)頻位置處的時(shí)頻信道響應(yīng)視為低分辨圖像,利用深度殘差網(wǎng)絡(luò)進(jìn)行GFDM系統(tǒng)的信道估計(jì)?;谏疃葘W(xué)習(xí)技術(shù)的無線信道估計(jì)與其他應(yīng)用領(lǐng)域的分類問題相似,均是通過有監(jiān)督的學(xué)習(xí)算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,待訓(xùn)練過程收斂后得到網(wǎng)絡(luò)參數(shù),再通過測(cè)試數(shù)據(jù)對(duì)網(wǎng)絡(luò)性能進(jìn)行測(cè)試。本文采用如圖1 所示的GFDM 導(dǎo)頻插入方式,得到Kp×Mp個(gè)導(dǎo)頻符號(hào)。其中,表示向上取整數(shù)。接下來,首先通過式(13)給出的LS 信道估計(jì)算法得到導(dǎo)頻符號(hào)位置處的廣義信道時(shí)頻增益,再將的|P|個(gè)元素組織成Kp×Mp的2 維低分辨率圖像。這里的低分辨率圖像包括 2 個(gè)通道,記為,分別對(duì)應(yīng)于的實(shí)部數(shù)據(jù)和虛部數(shù)據(jù)。其中,R 表示實(shí)數(shù)集合。經(jīng)過上述處理便得到了GFDM 時(shí)變信道估計(jì)網(wǎng)絡(luò)的輸入信號(hào)。

    本節(jié)設(shè)計(jì)的深度學(xué)習(xí)輔助的GFDM 系統(tǒng)時(shí)變信道估計(jì)網(wǎng)絡(luò)CE-ResNet 是基于殘差學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò),其網(wǎng)絡(luò)模型如圖3 所示。CE-ResNet 開始是一個(gè)2 維卷積層,其濾波器個(gè)數(shù)為16,核的大小為3×3,步長(zhǎng)為1。為了使該卷積層的輸出具有與原始輸入相同的形狀,在輸入的低分辨圖像周圍填充一圈0 元素??紤]到GFDM 系統(tǒng)的非正交及時(shí)頻雙選擇信道所引起的嚴(yán)重的導(dǎo)頻污染現(xiàn)象,本節(jié)在第一個(gè)卷積層之后采用了6 個(gè)依次串聯(lián)的殘差學(xué)習(xí)單元,通過較深的結(jié)構(gòu)來提高網(wǎng)絡(luò)的特征學(xué)習(xí)能力。這些殘差學(xué)習(xí)單元具有相同的網(wǎng)絡(luò)結(jié)構(gòu),分別由2 維卷積層、歸一化層、ReLU 激活層和2 維卷積層串聯(lián)構(gòu)成。殘差學(xué)習(xí)單元中的批量歸一化層可以避免梯度消失,提高網(wǎng)絡(luò)學(xué)習(xí)效率。本節(jié)設(shè)置殘差學(xué)習(xí)單元中的2 維卷積層與網(wǎng)絡(luò)開始位置處的2維卷積層具有相同的結(jié)構(gòu)。在6 個(gè)殘差學(xué)習(xí)單元的后面仍然是一個(gè)與網(wǎng)絡(luò)開始位置處的2 維卷積層具有相同結(jié)構(gòu)的2 維卷積層,隨后配置一個(gè)2 維反卷積層[18],其濾波器個(gè)數(shù)為16,作用是對(duì)網(wǎng)絡(luò)輸入數(shù)據(jù)進(jìn)行上采樣,使輸出數(shù)據(jù)與待估計(jì)的信道時(shí)頻響應(yīng)具有相同的維度。因此,該2 維反卷積層卷積核的大小C1×C2和步長(zhǎng)(S1,S2)均需要根據(jù)GFDM 系統(tǒng)的參數(shù)K、M、Kp、Mp來確定,具體關(guān)系為

    圖3 CE-ResNet 的網(wǎng)絡(luò)模型

    經(jīng)過2 維反卷積層的處理,便可以將特征圖由16 通道的Kp×Mp圖像擴(kuò)展成16 通道的K×M圖像。反卷積插值在通過若干樣值計(jì)算一個(gè)插值點(diǎn)時(shí),其網(wǎng)絡(luò)權(quán)重是可以被學(xué)習(xí)的,從而獲得優(yōu)于常規(guī)插值算法的性能。最后一層仍是2 維卷積層,但該層的濾波器個(gè)數(shù)為2,以將反卷積網(wǎng)絡(luò)輸出的16通道特征圖像數(shù)據(jù)轉(zhuǎn)換為2 通道的信道時(shí)頻響應(yīng)估計(jì)值,分別對(duì)應(yīng)于信道時(shí)頻響應(yīng)的實(shí)部數(shù)據(jù)和虛部數(shù)據(jù),這樣便得到GFDM 系統(tǒng)的廣義信道時(shí)頻增益的估計(jì)值可以表示為

    CE-ResNet 的訓(xùn)練與測(cè)試過程如圖4 所示。首先利用信道模型隨機(jī)產(chǎn)生時(shí)變信道脈沖響應(yīng)函數(shù),并隨機(jī)產(chǎn)生GFDM 符號(hào)。在此基礎(chǔ)上根據(jù)式(6)得到GFDM 接收機(jī)的接收信號(hào),訓(xùn)練過程中接收信號(hào)的信噪比設(shè)定為20 dB。然后,根據(jù)式(14)計(jì)算導(dǎo)頻位置處的廣義信道時(shí)頻增益和,并結(jié)合相應(yīng)的GFDM 符號(hào)廣義信道時(shí)頻增益H的實(shí)部和虛部數(shù)據(jù)作為標(biāo)簽,便組成了CE-ResNet 的訓(xùn)練數(shù)據(jù)。記CE-ResNet 的參數(shù)集合為Θ,則其GFDM 符號(hào)信道估計(jì)值可以表示為

    圖4 CE-ResNet 的訓(xùn)練與測(cè)試過程

    本節(jié)選擇Frobenius 范數(shù)作為網(wǎng)絡(luò)的損失函數(shù),利用Adam 優(yōu)化器對(duì)網(wǎng)絡(luò)參數(shù)集合Θ進(jìn)行優(yōu)化,以得到最佳網(wǎng)絡(luò)參數(shù)集合,即

    其中,‖ ?‖F(xiàn)表示Frobenius 范數(shù)。在網(wǎng)絡(luò)訓(xùn)練結(jié)束后,還需要對(duì)其性能進(jìn)行測(cè)試。采用與網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)相同的準(zhǔn)備方法,得到測(cè)試數(shù)據(jù),對(duì)CE-ResNet 進(jìn)行測(cè)試。

    4 仿真與分析

    為了驗(yàn)證設(shè)計(jì)的深度學(xué)習(xí)輔助的GFDM 系統(tǒng)時(shí)頻雙選擇信道估計(jì)網(wǎng)絡(luò)CE-ResNet 的性能,首先,在Keras 框架下利用Python 語(yǔ)言實(shí)現(xiàn)如圖3 所示的CE-ResNet 模型。然后,在Matlab 軟件環(huán)境下生成GFDM 符號(hào)波形、時(shí)變多徑衰落信道參數(shù)H1和H2,以及經(jīng)過時(shí)變多徑衰落信道后的接收信號(hào)。相應(yīng)的GFDM 通信系統(tǒng)仿真參數(shù)如表1 所示。接下來,利用LS 算法得到導(dǎo)頻位置處的廣義信道增益的估計(jì)值。此時(shí),將產(chǎn)生的數(shù)據(jù)集組織成CE-ResNet的訓(xùn)練數(shù)據(jù)文件和驗(yàn)證數(shù)據(jù)文件。數(shù)據(jù)集的具體內(nèi)容包括歸一化多普勒頻移fD=0.01時(shí)的數(shù)據(jù)20 000 組、fD=0.03時(shí)的數(shù)據(jù)10 000 組、fD=0.05時(shí)的數(shù)據(jù)7 000 組和fD=0.07時(shí)的數(shù)據(jù)3 000 組。將這40 000 組數(shù)據(jù)進(jìn)行隨機(jī)排列后堆疊在一起,取出其中80%的數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù),而其余20%的數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)。在CE-ResNet 的訓(xùn)練與驗(yàn)證數(shù)據(jù)的產(chǎn)生過程中,由于隨著多普勒頻移的增加,GFDM 符號(hào)內(nèi)的ICI 和ISI 將顯著增強(qiáng),不利于符號(hào)的估計(jì)檢測(cè)。因此,隨著多普勒頻移的增加相應(yīng)的數(shù)據(jù)量也隨之下降。初始學(xué)習(xí)速率設(shè)置為0.001,考慮到固定的學(xué)習(xí)速率可能導(dǎo)致網(wǎng)絡(luò)模型在經(jīng)過一定數(shù)目的迭代訓(xùn)練后效果不再提升,在網(wǎng)絡(luò)的訓(xùn)練過程中采用了學(xué)習(xí)速率自動(dòng)調(diào)整技術(shù),即當(dāng)訓(xùn)練損失停留在每個(gè)平臺(tái)不再下降時(shí),將主動(dòng)減小學(xué)習(xí)速率,從而加速網(wǎng)絡(luò)模型的訓(xùn)練過程。

    表1 GFDM 通信系統(tǒng)仿真參數(shù)設(shè)定

    圖5 是CE-ResNet 訓(xùn)練與驗(yàn)證的收斂曲線??梢钥吹?,網(wǎng)絡(luò)的Frobenius 范數(shù)損失隨著訓(xùn)練輪次的增加迅速下降,并在訓(xùn)練輪次為130 次后達(dá)到一個(gè)相對(duì)穩(wěn)定數(shù)值。這表明本文所設(shè)計(jì)的GFDM 系統(tǒng)雙選擇信道估計(jì)網(wǎng)絡(luò)CE-ResNet 可以通過訓(xùn)練快速收斂。

    圖5 CE-ResNet 訓(xùn)練與驗(yàn)證的收斂曲線

    為了驗(yàn)證CE-ResNet 的信道估計(jì)性能,本文將其與MMSE 信道估計(jì)算法在信道估計(jì)均方誤差、BER 性能和計(jì)算復(fù)雜度等方面進(jìn)行比較。除此之外,本文還設(shè)計(jì)了一個(gè)基于全連接層(FCL,full connection layer)結(jié)構(gòu)的信道估計(jì)深度神經(jīng)網(wǎng)絡(luò)(CE-DNN,channel estimation deep neural network)作為性能對(duì)比對(duì)象。CE-DNN 的深度為4 層,各層神經(jīng)元的個(gè)數(shù)分別為176、2 500、2 000 和1 664,隱藏層的激活函數(shù)為 Tanh,而且訓(xùn)練數(shù)據(jù)與CE-ResNet 相同。為了避免CE-DNN 出現(xiàn)過擬合現(xiàn)象,本節(jié)對(duì)每個(gè)隱藏層均設(shè)置了0.1 的丟棄概率。圖6 和圖7 分別是CE-ResNet、CE-DNN 和MMSE這3種信道估計(jì)方法針對(duì)GFDM系統(tǒng)雙選擇信道估計(jì)的均方誤差和BER 性能曲線。從圖6 和圖7 中可以看出,在雙選擇信道環(huán)境下,隨著歸一化多普勒頻移的增加,信道估計(jì)的均方誤差均隨之增大,而且?guī)诺拦烙?jì)的系統(tǒng)誤碼率性能也會(huì)逐漸變差。此外,基于CE-DNN 的雙選擇信道估計(jì)性能最差,基于MMSE 算法的雙選擇信道估計(jì)性能最好。而基于CE-ResNet 進(jìn)行GFDM 系統(tǒng)雙選擇信道估計(jì)的性能與MMSE 算法的信道估計(jì)性能相近,且優(yōu)于基于CE-DNN 的雙選擇信道估計(jì)。

    圖6 3 種信道估計(jì)方法的信道估計(jì)均方誤差曲線

    圖7 3 種信道估計(jì)方法的BER 對(duì)比

    下面對(duì)上述3 種信道估計(jì)算法以實(shí)數(shù)乘法次數(shù)為單位的計(jì)算復(fù)雜度進(jìn)行分析。對(duì)于MMSE 信道估計(jì)算法,不考慮信道相關(guān)矩陣計(jì)算及矩陣求逆運(yùn)算,則由式(13)可知,其實(shí)數(shù)乘法次數(shù)為4KM(|P|2+|P|)。記L為全連層或卷積層的總層數(shù)。在CE-DNN 中,設(shè)第l個(gè)全連層的神經(jīng)元個(gè)數(shù)為Nl,則在考慮偏置的情況下,其第l層需要訓(xùn)練的參數(shù)數(shù)量為(Nl+1)Nl+1,故CE-DNN 整體的網(wǎng)絡(luò)參數(shù)數(shù)量為。在利用CE-DNN 對(duì)GFDM 相同信道時(shí)頻響應(yīng)進(jìn)行預(yù)測(cè)時(shí),實(shí)數(shù)乘法次數(shù)為。對(duì)于CE-ResNet,記kl,h、kl,w和kl,c分別代表第l個(gè)卷積層中卷積核的長(zhǎng)度、寬度和通道數(shù),并記Hl、Wl、Cl分別代表第l個(gè)卷積層輸入圖像的長(zhǎng)度、寬度和通道數(shù)。則第l個(gè)卷積層的參數(shù)數(shù)量為,網(wǎng)絡(luò)總參數(shù)數(shù)量為。在利用CE-ResNet 對(duì)GFDM系統(tǒng)信道時(shí)頻響增益進(jìn)行預(yù)測(cè)時(shí),實(shí)數(shù)乘法次數(shù)為。表2 給出了上述3 種不同信道估計(jì)算法的計(jì)算復(fù)雜度。基于本文的設(shè)計(jì)參數(shù),3 種算法具體的實(shí)例化計(jì)算復(fù)雜度數(shù)值如表3所示。由表3 可知,MMSE 信道估計(jì)算法的計(jì)算復(fù)雜度最高,CE-DNN 的計(jì)算復(fù)雜度次之,而CE-ResNet 具有最低的計(jì)算復(fù)雜度。此外,CE-ResNet 的網(wǎng)絡(luò)參數(shù)數(shù)量遠(yuǎn)低于CE-DNN,這表明CE-ResNet 較CE-DNN在訓(xùn)練過程中存在顯著的計(jì)算量下降。

    表2 3 種信道估計(jì)算法的計(jì)算復(fù)雜度

    表3 3 種信道估計(jì)算法實(shí)例化的計(jì)算復(fù)雜度

    圖8 給出了采用1/2 碼率LDPC 編碼的GFDM系統(tǒng)與非編碼GFDM 系統(tǒng),在利用CE-ResNet 的雙選擇信道估計(jì)值進(jìn)行符號(hào)檢測(cè)時(shí)的BER 對(duì)比曲線。由圖8 可以看出,LDPC 編碼可以顯著改善系統(tǒng)的BER 性能。然而,對(duì)于歸一化多普勒頻率fD=0.03,當(dāng) SNR 大于 15 dB 之后,對(duì)于fD=0.005,當(dāng)SNR 大于25 dB 之后,LDPC 編碼帶來的BER 改善效果變得不明顯。這是由于GFDM系統(tǒng)在多普勒頻移條件下會(huì)產(chǎn)生嚴(yán)重的ICI 與ISI,當(dāng)加性白高斯噪聲的功率降低到一定程度后,影響B(tài)ER 性能的主要因素是ICI 與ISI。而當(dāng)fD=0.03時(shí),多普勒頻移產(chǎn)生的ICI 與ISI 大于fD=0.005時(shí)相應(yīng)的ICI 與ISI,所以fD=0.03時(shí)的LDPC 編碼的 BER 出現(xiàn)平臺(tái)現(xiàn)象所對(duì)應(yīng)的 SNR 小于fD=0.005時(shí)相應(yīng)的SNR。

    為了驗(yàn)證所設(shè)計(jì)的GFDM 系統(tǒng)雙選擇信道估計(jì)網(wǎng)絡(luò)CE-ResNet 針對(duì)多普勒頻移的泛化能力,本文采用CE-ResNet 對(duì)歸一化多普勒頻移分別為0.02、0.04 和0.06 的雙選擇信道進(jìn)行估計(jì),相應(yīng)的BER 性能曲線如圖9 所示。由圖9 可知,雖然訓(xùn)練數(shù)據(jù)中不包含fD=0.02、fD=0.04和fD=0.06這3 種情況下的數(shù)據(jù),CE-ResNet 仍能夠獲得與MMSE 信道估計(jì)算法非常接近的BER 性能。這表明本文所設(shè)計(jì)的GFDM 系統(tǒng)雙選擇信道估計(jì)網(wǎng)絡(luò)CE-ResNet針對(duì)多普勒頻移具有很好的泛化能力。

    圖9 fD 分別為0.02、0.04 和0.06 時(shí)CE-ResNet 的BER 性能

    圖10 給出了CE-ResNet 信道估計(jì)算法中不同導(dǎo)頻符號(hào)數(shù)目對(duì)GFDM 系統(tǒng)誤碼率性能的影響。從圖10 可以看出,隨著導(dǎo)頻符號(hào)數(shù)目的減少,系統(tǒng)的誤碼率性能會(huì)隨之下降,而且性能下降的程度與多普勒頻移的大小有關(guān)。在歸一化多普勒頻移fD=0.01時(shí)的低信噪比情況下,3 種不同導(dǎo)頻符號(hào)數(shù)目具有十分相近的誤碼率性能;隨著信噪比的改善,高導(dǎo)頻符號(hào)密度帶來的系統(tǒng)性能提升變得更加明顯。此外,隨著歸一化多普勒頻移從0.01 增加到0.03 和0.07,高導(dǎo)頻符號(hào)密度較低導(dǎo)頻符號(hào)密度帶來的誤碼率性能提升現(xiàn)象更明顯。但是,總體而言,CE-ResNet 對(duì)導(dǎo)頻符號(hào)密度的變化不十分敏感,在實(shí)際應(yīng)用中能夠通過適當(dāng)降低導(dǎo)頻符號(hào)數(shù)目,以較低的誤碼率性能損失換取系統(tǒng)頻譜效率的提高。

    圖10 不同導(dǎo)頻符號(hào)數(shù)目情況下CE-ResNet 的BER 性能

    在利用4-QAM 符號(hào)對(duì)提出的CE-ResNet 進(jìn)行訓(xùn)練與性能驗(yàn)證的基礎(chǔ)上,本文還采用4-QAM 與16-QAM 符號(hào)聯(lián)合構(gòu)成網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù),對(duì)CE-ResNet 進(jìn)行訓(xùn)練。圖11 給出了基于CE-ResNet的雙選擇信道估計(jì)值,采用16-QAM 調(diào)制時(shí)GFDM系統(tǒng)的BER 性能。從圖11 可以看出,對(duì)于16-QAM調(diào)制,CE-ResNet 仍能夠獲得接近于MMSE 信道估計(jì)時(shí)的BER 性能。

    圖11 16-QAM 調(diào)制情況下CE-ResNet 的BER 性能

    5 結(jié)束語(yǔ)

    本文對(duì)基于深度學(xué)習(xí)的GFDM 系統(tǒng)時(shí)頻雙選擇信道的估計(jì)進(jìn)行研究,建立了基于殘差學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò)CE-ResNet 進(jìn)行GFDM 系統(tǒng)信道估計(jì)。利用導(dǎo)頻位置處信道時(shí)頻響應(yīng)的LS 估計(jì)值構(gòu)成低分辨率圖像作為CE-ResNet 的輸入,由CE-ResNet恢復(fù)出相應(yīng)的高分辨率圖像,實(shí)現(xiàn)對(duì)GFDM 系統(tǒng)時(shí)頻雙選擇信道的估計(jì);通過訓(xùn)練確定了CE-ResNet的最佳網(wǎng)絡(luò)參數(shù)。仿真結(jié)果表明,CE-ResNet 能夠獲得接近于MMSE 信道估計(jì)的精度與誤碼率性能,并且對(duì)多普勒頻移具有很好的泛化性能。下一階段的工作將主要集中在利用深度學(xué)習(xí)估計(jì)GFDM 系統(tǒng)在雙選擇信道下的ICI 和ISI,從而進(jìn)行有效的干擾消除。

    猜你喜歡
    導(dǎo)頻時(shí)頻殘差
    基于雙向GRU與殘差擬合的車輛跟馳建模
    基于殘差學(xué)習(xí)的自適應(yīng)無人機(jī)目標(biāo)跟蹤算法
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    基于混合遺傳算法的導(dǎo)頻優(yōu)化
    基于導(dǎo)頻的OFDM信道估計(jì)技術(shù)
    平穩(wěn)自相關(guān)過程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    基于時(shí)頻分析的逆合成孔徑雷達(dá)成像技術(shù)
    LTE上行塊狀導(dǎo)頻的信道估計(jì)研究
    對(duì)采樣數(shù)據(jù)序列進(jìn)行時(shí)頻分解法的改進(jìn)
    雙線性時(shí)頻分布交叉項(xiàng)提取及損傷識(shí)別應(yīng)用
    亚洲久久久国产精品| 成人黄色视频免费在线看| 久久99一区二区三区| 欧美日韩一级在线毛片| 淫妇啪啪啪对白视频| 国产精品1区2区在线观看. | 老司机靠b影院| 久久天堂一区二区三区四区| 电影成人av| 精品熟女少妇八av免费久了| 中文字幕高清在线视频| 国产在线一区二区三区精| 国产伦理片在线播放av一区| 91国产中文字幕| 国产精品免费大片| 久久国产精品影院| 国产伦理片在线播放av一区| 香蕉国产在线看| 成人18禁在线播放| 麻豆成人av在线观看| 91字幕亚洲| 亚洲精品美女久久久久99蜜臀| 国产黄色免费在线视频| 搡老乐熟女国产| 亚洲欧美精品综合一区二区三区| 亚洲精品一二三| 最近最新中文字幕大全免费视频| 亚洲成国产人片在线观看| 精品卡一卡二卡四卡免费| 丝袜在线中文字幕| 国产又爽黄色视频| 国产一卡二卡三卡精品| 狠狠婷婷综合久久久久久88av| 国产精品秋霞免费鲁丝片| 国产精品电影一区二区三区 | 国产伦理片在线播放av一区| 最黄视频免费看| xxxhd国产人妻xxx| 亚洲精品在线观看二区| 91成年电影在线观看| 老鸭窝网址在线观看| 日韩一卡2卡3卡4卡2021年| 91大片在线观看| 国产精品98久久久久久宅男小说| 午夜福利,免费看| 最新的欧美精品一区二区| 亚洲国产中文字幕在线视频| 女同久久另类99精品国产91| 亚洲久久久国产精品| 日本av免费视频播放| 91大片在线观看| 国产精品免费视频内射| h视频一区二区三区| 高清视频免费观看一区二区| 国产区一区二久久| 久久久久国产一级毛片高清牌| 正在播放国产对白刺激| 久久午夜综合久久蜜桃| 一本久久精品| 两性午夜刺激爽爽歪歪视频在线观看 | 中文字幕制服av| 色在线成人网| 久久毛片免费看一区二区三区| 日韩三级视频一区二区三区| 国产成人精品无人区| 亚洲人成电影免费在线| 婷婷丁香在线五月| 高潮久久久久久久久久久不卡| 丰满少妇做爰视频| 丰满饥渴人妻一区二区三| 精品国产一区二区三区四区第35| 国产在线免费精品| 久久精品91无色码中文字幕| 欧美成人免费av一区二区三区 | 黄网站色视频无遮挡免费观看| 欧美午夜高清在线| 中文字幕人妻熟女乱码| 一本大道久久a久久精品| 搡老岳熟女国产| 国产免费福利视频在线观看| 欧美一级毛片孕妇| 一区二区三区激情视频| 女人久久www免费人成看片| 黄色片一级片一级黄色片| 丰满少妇做爰视频| 美女午夜性视频免费| 欧美精品一区二区大全| 国产成人av激情在线播放| 999久久久精品免费观看国产| 国产精品二区激情视频| 日本撒尿小便嘘嘘汇集6| 咕卡用的链子| h视频一区二区三区| 麻豆av在线久日| 两个人看的免费小视频| 久久久久久久大尺度免费视频| 岛国毛片在线播放| 精品久久蜜臀av无| 黄网站色视频无遮挡免费观看| 99re6热这里在线精品视频| 欧美日韩一级在线毛片| 久久精品亚洲熟妇少妇任你| 久久天堂一区二区三区四区| 热99re8久久精品国产| 精品久久久精品久久久| 欧美午夜高清在线| 麻豆国产av国片精品| 久久精品国产99精品国产亚洲性色 | 精品一区二区三区av网在线观看 | 99riav亚洲国产免费| 黑人欧美特级aaaaaa片| 国产在线一区二区三区精| 91av网站免费观看| 亚洲欧洲精品一区二区精品久久久| 精品国产亚洲在线| 精品国产乱码久久久久久男人| 成年女人毛片免费观看观看9 | 狠狠精品人妻久久久久久综合| 色94色欧美一区二区| 在线av久久热| 一区二区三区激情视频| 露出奶头的视频| 久久久久视频综合| 国产日韩欧美视频二区| 亚洲av日韩精品久久久久久密| 成人国语在线视频| 亚洲三区欧美一区| 大陆偷拍与自拍| 最新在线观看一区二区三区| 午夜两性在线视频| 久久国产精品大桥未久av| 精品欧美一区二区三区在线| 999久久久精品免费观看国产| 性高湖久久久久久久久免费观看| 午夜激情久久久久久久| 国产精品久久久久久精品古装| 午夜福利免费观看在线| 高清在线国产一区| 丝瓜视频免费看黄片| 亚洲欧美一区二区三区黑人| 丰满人妻熟妇乱又伦精品不卡| 精品一区二区三区视频在线观看免费 | 久久精品亚洲熟妇少妇任你| 久久中文看片网| 欧美日韩福利视频一区二区| 亚洲一区中文字幕在线| 亚洲精品粉嫩美女一区| 国产男女内射视频| 天天躁夜夜躁狠狠躁躁| 亚洲av欧美aⅴ国产| 最近最新中文字幕大全电影3 | 久久精品熟女亚洲av麻豆精品| 又大又爽又粗| 少妇猛男粗大的猛烈进出视频| 免费黄频网站在线观看国产| 国产精品成人在线| 精品少妇内射三级| 18禁国产床啪视频网站| 亚洲精品乱久久久久久| 中文亚洲av片在线观看爽 | 无人区码免费观看不卡 | 欧美精品一区二区免费开放| 精品卡一卡二卡四卡免费| 国产淫语在线视频| 久久久国产成人免费| 一区二区三区乱码不卡18| 国产精品香港三级国产av潘金莲| 最黄视频免费看| av不卡在线播放| 精品一品国产午夜福利视频| 国产成人一区二区三区免费视频网站| 亚洲精品一卡2卡三卡4卡5卡| 国产在线视频一区二区| 欧美中文综合在线视频| 午夜精品国产一区二区电影| 性色av乱码一区二区三区2| 女人精品久久久久毛片| av又黄又爽大尺度在线免费看| 成在线人永久免费视频| 高清毛片免费观看视频网站 | 天天躁日日躁夜夜躁夜夜| 美女视频免费永久观看网站| 亚洲,欧美精品.| 久久精品91无色码中文字幕| 国产精品欧美亚洲77777| 岛国在线观看网站| 男女午夜视频在线观看| 精品久久久久久久毛片微露脸| 操出白浆在线播放| 天堂8中文在线网| 建设人人有责人人尽责人人享有的| 宅男免费午夜| 欧美乱妇无乱码| 久久人妻av系列| 精品国产亚洲在线| 女人久久www免费人成看片| 99久久国产精品久久久| 亚洲va日本ⅴa欧美va伊人久久| 午夜福利一区二区在线看| 两性夫妻黄色片| 老司机深夜福利视频在线观看| 国产精品国产av在线观看| 国产极品粉嫩免费观看在线| 日本黄色视频三级网站网址 | 精品国产乱码久久久久久小说| 日韩免费高清中文字幕av| 国产精品久久久人人做人人爽| 国产熟女午夜一区二区三区| 一二三四在线观看免费中文在| 捣出白浆h1v1| 久久久精品94久久精品| 搡老岳熟女国产| 国产熟女午夜一区二区三区| 一边摸一边做爽爽视频免费| 午夜福利免费观看在线| 亚洲情色 制服丝袜| 日韩成人在线观看一区二区三区| 国产熟女午夜一区二区三区| 亚洲欧美激情在线| 香蕉丝袜av| 黑人欧美特级aaaaaa片| 久久精品国产亚洲av香蕉五月 | 9191精品国产免费久久| 国产一卡二卡三卡精品| 亚洲成国产人片在线观看| 超碰97精品在线观看| 51午夜福利影视在线观看| 亚洲欧美日韩高清在线视频 | 精品国产乱子伦一区二区三区| 丁香欧美五月| 久久这里只有精品19| 亚洲欧美精品综合一区二区三区| 亚洲七黄色美女视频| 一级毛片精品| 1024香蕉在线观看| 亚洲精品国产一区二区精华液| 国产欧美日韩一区二区三区在线| 一边摸一边抽搐一进一小说 | 搡老岳熟女国产| 中文字幕人妻熟女乱码| 精品国产超薄肉色丝袜足j| 精品免费久久久久久久清纯 | 欧美+亚洲+日韩+国产| a级毛片在线看网站| 国产成人精品久久二区二区免费| 蜜桃在线观看..| 国产成人欧美在线观看 | 国产欧美亚洲国产| 久久国产精品人妻蜜桃| 久热这里只有精品99| 久久这里只有精品19| 黄网站色视频无遮挡免费观看| 天堂中文最新版在线下载| 一级毛片精品| 日本黄色日本黄色录像| 国产日韩一区二区三区精品不卡| av天堂在线播放| 后天国语完整版免费观看| 五月天丁香电影| 国产亚洲欧美在线一区二区| 精品国产乱子伦一区二区三区| av欧美777| 老司机午夜十八禁免费视频| 纯流量卡能插随身wifi吗| 色精品久久人妻99蜜桃| 欧美日韩av久久| 丝袜美腿诱惑在线| 久久精品国产综合久久久| 天堂动漫精品| 丰满迷人的少妇在线观看| 国产精品麻豆人妻色哟哟久久| 久久香蕉激情| 女同久久另类99精品国产91| 亚洲国产精品一区二区三区在线| 无限看片的www在线观看| 国产在线免费精品| 国产精品电影一区二区三区 | 国产精品成人在线| 欧美成人午夜精品| a级毛片在线看网站| 亚洲专区字幕在线| 性高湖久久久久久久久免费观看| 日日夜夜操网爽| 欧美午夜高清在线| 国产片内射在线| 美女午夜性视频免费| 日本vs欧美在线观看视频| 老司机靠b影院| 99riav亚洲国产免费| 亚洲午夜精品一区,二区,三区| 黑丝袜美女国产一区| 国产精品电影一区二区三区 | 欧美成狂野欧美在线观看| 曰老女人黄片| 99国产精品一区二区蜜桃av | 国产在线观看jvid| 一本色道久久久久久精品综合| 久久久久久久大尺度免费视频| 桃红色精品国产亚洲av| 一边摸一边做爽爽视频免费| 一边摸一边抽搐一进一小说 | 两个人免费观看高清视频| 久久久久视频综合| 国产在线观看jvid| 欧美一级毛片孕妇| 国产真人三级小视频在线观看| 99热网站在线观看| 国产亚洲精品第一综合不卡| 日本vs欧美在线观看视频| 亚洲专区中文字幕在线| 最黄视频免费看| 欧美日韩黄片免| 日韩人妻精品一区2区三区| 又黄又粗又硬又大视频| 一个人免费在线观看的高清视频| 亚洲av片天天在线观看| 精品久久久久久久毛片微露脸| 国产av国产精品国产| 亚洲成av片中文字幕在线观看| 正在播放国产对白刺激| 国产av一区二区精品久久| 色综合欧美亚洲国产小说| 色在线成人网| 女人精品久久久久毛片| 一个人免费看片子| 欧美一级毛片孕妇| 男女无遮挡免费网站观看| 可以免费在线观看a视频的电影网站| 久久精品国产a三级三级三级| 欧美日韩一级在线毛片| 午夜精品国产一区二区电影| 欧美乱妇无乱码| 777久久人妻少妇嫩草av网站| 91av网站免费观看| 又黄又粗又硬又大视频| 精品免费久久久久久久清纯 | 日韩欧美国产一区二区入口| 精品国产一区二区久久| 国产精品影院久久| 亚洲人成伊人成综合网2020| 乱人伦中国视频| 无人区码免费观看不卡 | 大码成人一级视频| 波多野结衣av一区二区av| 极品人妻少妇av视频| 黑人巨大精品欧美一区二区蜜桃| 三级毛片av免费| 久久久久久人人人人人| 国产欧美日韩综合在线一区二区| 日韩制服丝袜自拍偷拍| 性少妇av在线| 国产精品麻豆人妻色哟哟久久| 在线av久久热| 国产xxxxx性猛交| 亚洲国产欧美在线一区| avwww免费| 国产精品免费大片| 国产欧美日韩一区二区三| 亚洲精品国产色婷婷电影| 久久精品国产亚洲av香蕉五月 | 国产视频一区二区在线看| 日韩人妻精品一区2区三区| 国产精品99久久99久久久不卡| 欧美精品人与动牲交sv欧美| 亚洲五月色婷婷综合| 这个男人来自地球电影免费观看| 久久久精品区二区三区| 99精品久久久久人妻精品| 女人被躁到高潮嗷嗷叫费观| 一进一出抽搐动态| 日本五十路高清| 女人精品久久久久毛片| 99re在线观看精品视频| av一本久久久久| 1024香蕉在线观看| 日本av手机在线免费观看| 老汉色av国产亚洲站长工具| 日日爽夜夜爽网站| 亚洲人成77777在线视频| 亚洲午夜理论影院| 18禁美女被吸乳视频| av不卡在线播放| 亚洲一码二码三码区别大吗| 亚洲精品一卡2卡三卡4卡5卡| 久久天躁狠狠躁夜夜2o2o| 麻豆成人av在线观看| 欧美亚洲 丝袜 人妻 在线| 国产亚洲一区二区精品| 麻豆国产av国片精品| 中文字幕制服av| 国产成人一区二区三区免费视频网站| 亚洲成人免费av在线播放| 在线av久久热| 欧美黑人精品巨大| 最新美女视频免费是黄的| 亚洲第一青青草原| 国精品久久久久久国模美| 日韩熟女老妇一区二区性免费视频| 亚洲av成人一区二区三| 亚洲欧美一区二区三区黑人| 久久国产精品影院| 亚洲熟女精品中文字幕| 99久久人妻综合| 日韩大片免费观看网站| 成年动漫av网址| 欧美精品av麻豆av| 老汉色av国产亚洲站长工具| 99久久99久久久精品蜜桃| 日韩欧美免费精品| 国产精品一区二区精品视频观看| 成人手机av| 国产成人欧美| 日韩一卡2卡3卡4卡2021年| 一个人免费看片子| svipshipincom国产片| 1024香蕉在线观看| 亚洲 欧美一区二区三区| 国产精品一区二区在线观看99| 国产亚洲精品一区二区www | av一本久久久久| 亚洲男人天堂网一区| 高潮久久久久久久久久久不卡| 啦啦啦 在线观看视频| 亚洲国产欧美网| 男女之事视频高清在线观看| 侵犯人妻中文字幕一二三四区| 国产精品成人在线| 亚洲av成人不卡在线观看播放网| 老司机午夜福利在线观看视频 | 中文字幕色久视频| 他把我摸到了高潮在线观看 | 国产亚洲精品久久久久5区| a级毛片黄视频| 这个男人来自地球电影免费观看| 少妇粗大呻吟视频| 日本vs欧美在线观看视频| 免费少妇av软件| 亚洲国产中文字幕在线视频| 高清视频免费观看一区二区| 色综合婷婷激情| 中文字幕另类日韩欧美亚洲嫩草| 国产一区二区在线观看av| 18禁观看日本| 18禁裸乳无遮挡动漫免费视频| 成年动漫av网址| 9色porny在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 自线自在国产av| 一本—道久久a久久精品蜜桃钙片| avwww免费| 9色porny在线观看| 国产男女超爽视频在线观看| 色老头精品视频在线观看| 18在线观看网站| 中文字幕制服av| 国产精品亚洲av一区麻豆| 一区二区日韩欧美中文字幕| 久久99热这里只频精品6学生| 午夜福利免费观看在线| 欧美激情久久久久久爽电影 | 精品亚洲成国产av| 一级片'在线观看视频| 欧美午夜高清在线| 少妇猛男粗大的猛烈进出视频| 91av网站免费观看| 在线观看免费视频日本深夜| 人人妻人人澡人人看| 亚洲第一av免费看| 国产aⅴ精品一区二区三区波| 日本黄色日本黄色录像| 超碰成人久久| 99riav亚洲国产免费| 久久久久久久大尺度免费视频| 久久久久久亚洲精品国产蜜桃av| 久久久精品免费免费高清| 天堂8中文在线网| 天天添夜夜摸| 色婷婷久久久亚洲欧美| 丝袜人妻中文字幕| 老熟女久久久| www.精华液| 久久久久精品人妻al黑| 成人永久免费在线观看视频 | 亚洲全国av大片| 91麻豆av在线| 99国产精品免费福利视频| 搡老熟女国产l中国老女人| 国产精品 国内视频| 飞空精品影院首页| 91麻豆av在线| 一二三四社区在线视频社区8| 一本久久精品| 超色免费av| 丝瓜视频免费看黄片| 熟女少妇亚洲综合色aaa.| 亚洲久久久国产精品| 午夜福利影视在线免费观看| a在线观看视频网站| av线在线观看网站| 男女高潮啪啪啪动态图| 午夜福利免费观看在线| 一级a爱视频在线免费观看| 免费在线观看黄色视频的| 国产真人三级小视频在线观看| 青青草视频在线视频观看| 久久中文字幕人妻熟女| 亚洲成人免费电影在线观看| 亚洲成a人片在线一区二区| 考比视频在线观看| 国产成人精品久久二区二区免费| av超薄肉色丝袜交足视频| 狠狠精品人妻久久久久久综合| 亚洲综合色网址| 精品少妇黑人巨大在线播放| 一本久久精品| 99riav亚洲国产免费| 99国产极品粉嫩在线观看| 国产精品免费大片| 国产精品.久久久| 美女国产高潮福利片在线看| 香蕉国产在线看| 精品亚洲成国产av| 久久人人爽av亚洲精品天堂| 久久中文字幕人妻熟女| 国产亚洲av高清不卡| 亚洲伊人久久精品综合| 亚洲国产欧美一区二区综合| 欧美+亚洲+日韩+国产| 免费av中文字幕在线| 久久久国产精品麻豆| 国产精品久久久久久精品电影小说| 波多野结衣一区麻豆| 少妇精品久久久久久久| 久久人人爽av亚洲精品天堂| 精品免费久久久久久久清纯 | 啦啦啦 在线观看视频| 在线 av 中文字幕| 在线观看免费午夜福利视频| 精品亚洲成a人片在线观看| 制服人妻中文乱码| 精品国产乱码久久久久久男人| 精品国产亚洲在线| av又黄又爽大尺度在线免费看| 十八禁网站免费在线| 757午夜福利合集在线观看| 别揉我奶头~嗯~啊~动态视频| 99re在线观看精品视频| 免费一级毛片在线播放高清视频 | 三上悠亚av全集在线观看| 大片电影免费在线观看免费| av有码第一页| 一级黄色大片毛片| 夜夜夜夜夜久久久久| 宅男免费午夜| 欧美 亚洲 国产 日韩一| 日本av免费视频播放| 美女午夜性视频免费| 中文字幕av电影在线播放| 亚洲黑人精品在线| av线在线观看网站| 9色porny在线观看| 男女免费视频国产| 18禁观看日本| 成人影院久久| 亚洲av电影在线进入| 午夜两性在线视频| 亚洲第一欧美日韩一区二区三区 | 国产一区二区 视频在线| 黄频高清免费视频| 久久久久久人人人人人| av一本久久久久| 日韩欧美免费精品| 每晚都被弄得嗷嗷叫到高潮| 午夜久久久在线观看| 视频区欧美日本亚洲| 97人妻天天添夜夜摸| 午夜老司机福利片| 宅男免费午夜| 免费日韩欧美在线观看| av福利片在线| 一进一出好大好爽视频| av电影中文网址| 成人黄色视频免费在线看| 午夜福利乱码中文字幕| 欧美乱码精品一区二区三区| tocl精华| 久久精品熟女亚洲av麻豆精品| 丝袜美足系列| 桃红色精品国产亚洲av| 欧美在线黄色| 亚洲av片天天在线观看| 中文欧美无线码| 成年动漫av网址| 欧美日韩国产mv在线观看视频| 久久午夜亚洲精品久久| 亚洲国产看品久久| 亚洲午夜理论影院| 成人黄色视频免费在线看| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲国产欧美在线一区| 久久中文看片网| 色综合婷婷激情| 亚洲国产欧美一区二区综合| 久久婷婷成人综合色麻豆| 国产成人免费观看mmmm| 成年动漫av网址| 人人妻人人添人人爽欧美一区卜| 99精国产麻豆久久婷婷| 久热爱精品视频在线9| 国产极品粉嫩免费观看在线| 亚洲第一av免费看| 国产aⅴ精品一区二区三区波| 国产精品九九99| 99国产精品一区二区三区| 久久久久国内视频|