• <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 ?

    改進(jìn)的一致性正則半監(jiān)督輻射源個(gè)體識(shí)別方法

    2022-03-22 03:34:56呂昊遠(yuǎn)
    關(guān)鍵詞:輻射源正則一致性

    呂昊遠(yuǎn),俞 璐

    (陸軍工程大學(xué) 通信工程學(xué)院,江蘇 南京 210007)

    0 引 言

    由于輻射源設(shè)備內(nèi)部硬件制造工藝差異而產(chǎn)生的輻射源細(xì)微特征,對(duì)于檢測并識(shí)別具有個(gè)體特性的輻射源有著重要作用。輻射源個(gè)體識(shí)別通過檢測手段獲得輻射源細(xì)微特征,提取出反映目標(biāo)身份的信息,確定特定輻射源個(gè)體,針對(duì)性地對(duì)目標(biāo)個(gè)體進(jìn)行有效監(jiān)控[1]。近年來通信輻射源個(gè)體識(shí)別已成為情報(bào)偵查、通信干擾、電子對(duì)抗等領(lǐng)域的研究熱點(diǎn),是現(xiàn)代電磁空間環(huán)境中控制信息權(quán)的關(guān)鍵環(huán)節(jié),在通信網(wǎng)絡(luò)結(jié)構(gòu)分析和電子設(shè)備管制等方面發(fā)揮著巨大作用[2]。

    與傳統(tǒng)的識(shí)別方法相比,快速發(fā)展的深度學(xué)習(xí)為輻射源個(gè)體識(shí)別提供了新的思路,如圖1所示,無需專家先驗(yàn)知識(shí)的深度網(wǎng)絡(luò)通過強(qiáng)大的表征能力,直接從獲取的信號(hào)樣本中提取個(gè)體細(xì)微特征并進(jìn)行分類識(shí)別[3],可以節(jié)省大量的科研成本,具有很高的學(xué)術(shù)研究價(jià)值和廣闊的實(shí)際應(yīng)用前景。

    圖1 深度學(xué)習(xí)的個(gè)體識(shí)別過程

    但有監(jiān)督學(xué)習(xí)的深度模型需要充足的有標(biāo)簽樣本,在非合作通信條件下,獲取到的具有標(biāo)簽信息的輻射源信號(hào)樣本數(shù)目非常有限,但實(shí)際環(huán)境中又存在大量的無標(biāo)簽信號(hào)樣本,針對(duì)這種狀況,近期的研究已經(jīng)取得了一定的成就,文獻(xiàn)[4]提出的基于偽標(biāo)簽的輻射源個(gè)體識(shí)別方法,有效地提升了深度網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率。文獻(xiàn)[5]設(shè)計(jì)出適合于輻射源信號(hào)樣本的自編碼器,通過自編碼器的降維提取信號(hào)樣本特征,再經(jīng)過有監(jiān)督的網(wǎng)絡(luò)微調(diào)訓(xùn)練,實(shí)驗(yàn)驗(yàn)證了方法的可行性。文獻(xiàn)[6]將自編碼器改進(jìn)成為矩形網(wǎng)絡(luò),提取到更加精準(zhǔn)的個(gè)體特征。文獻(xiàn)[7]在樣本集的構(gòu)建上提出創(chuàng)新,將信號(hào)數(shù)據(jù)轉(zhuǎn)化為圖片,以簡單的特征轉(zhuǎn)換方法增強(qiáng)了實(shí)用性。但這些方法仍然存在一定的波動(dòng)偶然性,如何根據(jù)少量的有標(biāo)簽信號(hào)樣本和大量的無標(biāo)簽信號(hào)樣本精準(zhǔn)迅速地提取輻射源個(gè)體特征,研究出更加高效的端到端半監(jiān)督個(gè)體識(shí)別方法還有待研究。

    本文提出改進(jìn)的一致性正則半監(jiān)督輻射源個(gè)體識(shí)別方法,在3種一致性正則方法的基礎(chǔ)上,加入偽標(biāo)簽正則項(xiàng)改進(jìn)算法過程。并根據(jù)實(shí)際輻射源設(shè)備采集的信號(hào)數(shù)據(jù)設(shè)計(jì)Inception深度網(wǎng)絡(luò)驗(yàn)證算法性能,并與全監(jiān)督方法、偽標(biāo)簽半監(jiān)督方法、自編碼器特征提取方法、改進(jìn)前的一致性正則方法進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果表明,相同的數(shù)據(jù)集設(shè)置條件下,本文方法能夠達(dá)到優(yōu)于其它方法的識(shí)別性能。

    1 一致性正則半監(jiān)督

    半監(jiān)督學(xué)習(xí)策略中,對(duì)于無標(biāo)簽樣本來講,一致性正則方法在實(shí)際的深度模型訓(xùn)練中有著巨大的優(yōu)勢,可以有效避免面對(duì)“小樣本”問題時(shí)深度模型容易陷入過擬合的困境。分別介紹一致性正則的概念和3種基于一致性正則的半監(jiān)督深度學(xué)習(xí)模型。

    1.1 一致性正則

    很多損失函數(shù)都有一致性(consistency)的含義,KL散度和交叉熵都是在訓(xùn)練中最小化深度網(wǎng)絡(luò)預(yù)測和樣本標(biāo)簽間的差值[8],從而希望兩者能夠一致,所以一致性就是一種非常內(nèi)在而本質(zhì)的目標(biāo),在達(dá)到這個(gè)目標(biāo)的過程中,可以讓深度網(wǎng)絡(luò)得到有效的訓(xùn)練,學(xué)習(xí)到樣本內(nèi)在的不變性[9]。

    但在半監(jiān)督學(xué)習(xí)中,大量的無標(biāo)簽樣本沒有類別標(biāo)簽,為了利用好這些無標(biāo)簽樣本使其發(fā)揮出最大作用,提出了不需要標(biāo)簽信息的一致性正則方法,其基本概念就是,對(duì)于一個(gè)固定的樣本輸入,即使受到了多次的加噪干擾,深度網(wǎng)絡(luò)對(duì)其每次的預(yù)測結(jié)果都應(yīng)該一致。

    一致性正則具體應(yīng)用在半監(jiān)督深度學(xué)習(xí)方法中的思路是,對(duì)于有標(biāo)簽樣本,使用標(biāo)準(zhǔn)的交叉熵?fù)p失函數(shù)計(jì)算網(wǎng)絡(luò)預(yù)測和真實(shí)標(biāo)簽間的誤差,保證少量有標(biāo)簽樣本訓(xùn)練擬合;而對(duì)于無標(biāo)簽樣本,就需要使用一致性正則方法,即最小化無標(biāo)簽樣本的多次預(yù)測結(jié)果之間的差值[10],最后加入權(quán)重系數(shù)將有監(jiān)督損失與無監(jiān)督損失兩部分結(jié)合,構(gòu)建出總的半監(jiān)督損失函數(shù)。

    1.2 π模型

    圖2 π模型算法流程

    π模型中大量的無標(biāo)簽樣本也參與到算法的訓(xùn)練之中,大幅降低了模型對(duì)于有標(biāo)簽樣本的依賴。

    1.3 時(shí)序組合模型

    圖3 時(shí)序組合模型算法流程

    在具體的算法中,上一迭代周期的預(yù)測值,并不只是一個(gè)周期的預(yù)測結(jié)果,而是引入指數(shù)移動(dòng)平均(exponential moving average,EMA)思想,將之前所有周期預(yù)測結(jié)果加權(quán)平均累加,再通過偏差校正提高較近迭代周期預(yù)測值的比重,最終得到預(yù)測標(biāo)簽值,其中t為訓(xùn)練中的迭代次數(shù)

    (1)

    加權(quán)平均操作既可以穩(wěn)定當(dāng)前的預(yù)測結(jié)果,減弱早期迭代周期中產(chǎn)生的不穩(wěn)定結(jié)果,對(duì)于某一次錯(cuò)誤的預(yù)測值可以起到平滑的作用,對(duì)錯(cuò)誤預(yù)測有一定的容忍,也能很好地保留歷史信息,使得模型具有更強(qiáng)的魯棒性。

    1.4 師生模型

    圖4 師生模型算法流程

    教師網(wǎng)絡(luò)不直接參與訓(xùn)練,也無需梯度反向傳播更新網(wǎng)絡(luò)參數(shù),其參數(shù)值由原有的學(xué)生網(wǎng)絡(luò)之前迭代周期中的參數(shù)經(jīng)過加權(quán)平均得到。

    師生模型的核心思想中,深度網(wǎng)絡(luò)既充當(dāng)學(xué)生,又充當(dāng)教師。師生關(guān)系就是:作為學(xué)生,利用教師模型產(chǎn)生的目標(biāo)進(jìn)行學(xué)習(xí)提高識(shí)別準(zhǔn)確度,作為教師,對(duì)于無標(biāo)簽樣本產(chǎn)生的預(yù)測結(jié)果作為學(xué)生學(xué)習(xí)時(shí)的目標(biāo),從而形成一個(gè)良性循環(huán)。θt為學(xué)生網(wǎng)絡(luò)在第t個(gè)迭代周期中的參數(shù),教師網(wǎng)絡(luò)參數(shù)θ′t的移動(dòng)計(jì)算形式為

    θ′t=αθ′t-1+(1-α)θt

    (2)

    在時(shí)序組合模型中,無標(biāo)簽樣本的目標(biāo)標(biāo)簽來自模型前幾個(gè)迭代周期預(yù)測結(jié)果的加權(quán)平均。而在師生模型中,無標(biāo)簽樣本的目標(biāo)標(biāo)簽來自教師模型的預(yù)測結(jié)果。由于是通過模型參數(shù)的加權(quán)平均來實(shí)現(xiàn)標(biāo)簽預(yù)測,因此在每個(gè)訓(xùn)練批次中都可以把無標(biāo)簽中的信息更新到模型中,而不必像時(shí)序組合模型需要等到一個(gè)訓(xùn)練周期結(jié)束再更新,在穩(wěn)定預(yù)測值的基礎(chǔ)上,有效緩解了網(wǎng)絡(luò)更新緩慢帶來的滯后性的問題。

    2 深度學(xué)習(xí)方法設(shè)計(jì)

    通過分析偽標(biāo)簽半監(jiān)督個(gè)體識(shí)別方法的優(yōu)劣,提出在一致性正則半監(jiān)督方法的基礎(chǔ)上加入偽標(biāo)簽正則項(xiàng)的改進(jìn)思想,并設(shè)計(jì)出適合本文實(shí)采信號(hào)數(shù)據(jù)的Inception深度網(wǎng)絡(luò)結(jié)構(gòu)。

    2.1 方法改進(jìn)

    偽標(biāo)簽半監(jiān)督輻射源個(gè)體識(shí)別方法中,使用少量有標(biāo)簽信號(hào)樣本預(yù)先訓(xùn)練深度網(wǎng)絡(luò),利用熵最小化獲得置信度高的預(yù)測分布作為無標(biāo)簽信號(hào)樣本的偽標(biāo)簽,無標(biāo)簽信號(hào)樣本的交叉熵?fù)p失中將偽標(biāo)簽作為訓(xùn)練目標(biāo),這一部分就是整體損失函數(shù)中的偽標(biāo)簽正則項(xiàng)。

    偽標(biāo)簽輻射源個(gè)體識(shí)別方法存在著一些問題,當(dāng)無標(biāo)簽信號(hào)樣本數(shù)目所占總數(shù)目比重大時(shí),模型在測試集上的識(shí)別準(zhǔn)確率不太理想,訓(xùn)練初期的深度網(wǎng)絡(luò)對(duì)于大量的無標(biāo)簽信號(hào)樣本中的特征信息無法正確表征,會(huì)產(chǎn)生錯(cuò)誤的預(yù)測干擾偽標(biāo)簽的正確賦值,網(wǎng)絡(luò)進(jìn)一步會(huì)受到錯(cuò)誤偽標(biāo)簽的訓(xùn)練指導(dǎo),在訓(xùn)練過程中產(chǎn)生較大的波動(dòng)影響最終結(jié)果。但偽標(biāo)簽的思想中降低模型識(shí)別概率的熵,可以將網(wǎng)絡(luò)對(duì)于無標(biāo)簽信號(hào)樣本的識(shí)別概率集中到某一類,對(duì)于將決策面靠近低密度數(shù)據(jù)分布區(qū)域還是有很大的作用[13]。本文在一致性正則半監(jiān)督方法基礎(chǔ)上,加入偽標(biāo)簽正則項(xiàng),改進(jìn)算法訓(xùn)練過程,重新構(gòu)建總的損失函數(shù)。

    DL是有標(biāo)簽信號(hào)樣本集,f(x,η;θ) 表示網(wǎng)絡(luò)參數(shù)為θ,η是跟噪聲有關(guān)的參數(shù),深度網(wǎng)絡(luò)對(duì)于樣本x的標(biāo)簽預(yù)測值,定義有標(biāo)簽信號(hào)樣本預(yù)測標(biāo)簽和真實(shí)標(biāo)簽之間的交叉熵?fù)p失函數(shù)

    (3)

    DU是無標(biāo)簽信號(hào)樣本集,y′是深度網(wǎng)絡(luò)對(duì)無標(biāo)簽信號(hào)樣本賦予的偽標(biāo)簽,定義無標(biāo)簽信號(hào)樣本預(yù)測標(biāo)簽和偽標(biāo)簽之間的交叉熵?fù)p失函數(shù)

    (4)

    定義所有信號(hào)樣本的均方誤差,計(jì)算一致性損失

    (5)

    ω1(t)和ω2(t)是權(quán)重系數(shù),控制偽標(biāo)簽正則項(xiàng)和一致性正則項(xiàng)在總體損失函數(shù)中的相對(duì)占比重要性,最后結(jié)合3部分損失,定義深度模型總的損失函數(shù)

    (6)

    太小的權(quán)重系數(shù)對(duì)于提升模型性能有限,太大又會(huì)使性能退化,由于訓(xùn)練前期網(wǎng)絡(luò)的預(yù)測準(zhǔn)確度不高,所以ω1(t)初始值為0,隨著訓(xùn)練迭代次數(shù)的增加而緩慢增長(增長過快會(huì)使模型陷入局部最優(yōu))并最終固定。t是迭代次數(shù),T1和T2是兩個(gè)固定閾值(T1

    (7)

    ω2(t)表現(xiàn)為高斯增長函數(shù),其初始值較小,也隨著訓(xùn)練迭代次數(shù)的增加而緩慢增長并最終固定

    (8)

    改進(jìn)的一致性正則半監(jiān)督算法流程如圖5所示。

    圖5 改進(jìn)的一致性正則算法流程

    具體的算法訓(xùn)練過程如下:

    (1)將少量有標(biāo)簽信號(hào)樣本輸入加入Dropout的深度網(wǎng)絡(luò),計(jì)算得到的預(yù)測標(biāo)簽和真實(shí)標(biāo)簽之間的交叉熵?fù)p失(師生模型中只需由學(xué)生模型的預(yù)測結(jié)果和真實(shí)標(biāo)簽比較)。

    (2)將無標(biāo)簽信號(hào)樣本輸入深度網(wǎng)絡(luò),將預(yù)測值作為樣本的偽標(biāo)簽,再次經(jīng)過網(wǎng)絡(luò)預(yù)測得到預(yù)測標(biāo)簽值,計(jì)算和偽標(biāo)簽之間的交叉熵?fù)p失。

    (3)將全部信號(hào)數(shù)據(jù)輸入深度網(wǎng)絡(luò),計(jì)算得到的兩個(gè)預(yù)測標(biāo)簽值之間的一致性損失(3個(gè)模型的兩個(gè)預(yù)測值實(shí)現(xiàn)方式見表1)。

    (4)把3部分損失進(jìn)行加權(quán)平均計(jì)算構(gòu)建總的損失函數(shù),梯度反向傳播更新網(wǎng)絡(luò)參數(shù)(師生模型中只需更新學(xué)生模型參數(shù),通過學(xué)生模型的參數(shù)移動(dòng)平均得到教師模型)。

    (5)重復(fù)步驟(1)~步驟(4),直至網(wǎng)絡(luò)訓(xùn)練結(jié)束。

    表1 不同模型預(yù)測值的實(shí)現(xiàn)方式

    2.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

    深度學(xué)習(xí)中加深神經(jīng)網(wǎng)絡(luò)層數(shù)是提升深度模型性能的有效方法,但也會(huì)使得網(wǎng)絡(luò)參數(shù)量增大,在“小樣本”條件下很容易訓(xùn)練過擬合[14]。Inception網(wǎng)絡(luò)用到密集成分近似或代替局部稀疏結(jié)構(gòu)的思想,以網(wǎng)絡(luò)寬度換取識(shí)別準(zhǔn)確度,其中不同大小的卷積核意味著不同尺度特征的融合,使得提取個(gè)體特征更為精準(zhǔn)[15]。

    本文在Inception v1基礎(chǔ)上,根據(jù)輸入信號(hào)樣本的形式以及對(duì)網(wǎng)絡(luò)的需求關(guān)系,設(shè)計(jì)出如圖6所示的Inception模型,除輸入輸出層外,中間的特征提取過程包括3條卷積路線和兩個(gè)全連接層。

    圖6 Inception結(jié)構(gòu)

    網(wǎng)絡(luò)的輸入信號(hào)樣本維數(shù)為2×128,3條卷積路線中,第一條路線的卷積核大小分別為(1,1)和(1,3),第二條路線的卷積核大小分別為(1,1)和(1,8),第三條路線的卷積核為(1,1)。3條路線輸出連接后通過展平轉(zhuǎn)換為一維序列再進(jìn)入全連接層,第一個(gè)全連接層的神經(jīng)元個(gè)數(shù)為256,第二個(gè)全連接層神經(jīng)元個(gè)數(shù)為5,對(duì)應(yīng)5個(gè)輻射源個(gè)體識(shí)別的五分類問題,最后通過Softmax層進(jìn)行分類,訓(xùn)練過程中通過梯度反向傳播持續(xù)優(yōu)化網(wǎng)絡(luò)參數(shù)。除最后一層使用Softmax激活函數(shù),其余層使用Relu激活函數(shù),并且在每層后連接至Dropout層進(jìn)行正則化,參數(shù)設(shè)置為0.3,實(shí)驗(yàn)選用Adam優(yōu)化器。

    3 實(shí)驗(yàn)與分析

    本節(jié)中介紹實(shí)驗(yàn)條件,包括所用信號(hào)數(shù)據(jù)的采集方式和深度模型訓(xùn)練過程中參數(shù)的設(shè)置,分析實(shí)驗(yàn)結(jié)果,比較不同訓(xùn)練集和參數(shù)設(shè)置條件下不同方法的性能。本文實(shí)驗(yàn)運(yùn)行在一臺(tái)惠普OMEN Lapto-p 15筆記本電腦上,硬件配置CPU為Intel(R) Core(TM) i7-10870H 2.2 GHz,GPU為Nvidia RTX 2070 Max-Q,內(nèi)存為DDR4 8G×2,使用Anaconda(2020.02)+PyTorch(1.7.1)+PyCharm的軟件開發(fā)環(huán)境構(gòu)建深度學(xué)習(xí)模型并實(shí)現(xiàn)算法的訓(xùn)練與測試。

    3.1 數(shù)據(jù)集準(zhǔn)備

    IQ信號(hào)數(shù)據(jù)已經(jīng)被證實(shí)了非常適用于深度學(xué)習(xí)輻射源個(gè)體識(shí)別方法[16],本文實(shí)驗(yàn)直接將IQ信號(hào)數(shù)據(jù)輸入至深度網(wǎng)絡(luò)中進(jìn)行特征提取。使用基于LabVIEW的輻射源數(shù)據(jù)采集方法實(shí)際采集到5臺(tái)USRP N210設(shè)備的信號(hào)數(shù)據(jù),圖7展示了發(fā)射端的實(shí)物圖。

    圖7 發(fā)射端實(shí)物

    其中數(shù)據(jù)采集過程中的采樣參數(shù)設(shè)置見表2。

    表2 采樣參數(shù)設(shè)置

    圖8展示了具體的信號(hào)數(shù)據(jù)采集過程,虛線框中表示在實(shí)驗(yàn)室環(huán)境下,輻射源設(shè)備的通信間隔為1 m,中間無障礙物時(shí)信號(hào)的發(fā)射與接收,再將獲取的原始信號(hào)數(shù)據(jù)經(jīng)過數(shù)模轉(zhuǎn)換和IQ正交雙路解調(diào)輸入至計(jì)算機(jī)。

    圖8 樣本采集過程

    采集到5臺(tái)輻射源設(shè)備的IQ兩路載波信號(hào)數(shù)據(jù),對(duì)采集到的信號(hào)數(shù)據(jù)進(jìn)行預(yù)處理,用數(shù)據(jù)清洗的方式去除采樣幀初始階段中幀間切換時(shí)產(chǎn)生的不規(guī)則樣本點(diǎn),并且進(jìn)行功率歸一化的比例變換,圖9所繪制的是一臺(tái)輻射源設(shè)備經(jīng)過預(yù)處理后的部分IQ數(shù)據(jù)圖,選取了100個(gè)數(shù)據(jù)點(diǎn)。

    圖9 IQ信號(hào)數(shù)值

    根據(jù)輻射源設(shè)備個(gè)數(shù)將輻射源個(gè)體進(jìn)行類別標(biāo)號(hào),設(shè)置5類標(biāo)簽值,接著將信號(hào)數(shù)據(jù)按照一定比例分為訓(xùn)練集和測試集,訓(xùn)練集中的信號(hào)樣本在輸入模型前加入數(shù)據(jù)增強(qiáng)操作,包括樣本數(shù)組的隨機(jī)數(shù)值遮擋和樣本數(shù)組的翻轉(zhuǎn),最終完成樣本數(shù)據(jù)集的構(gòu)建。

    3.2 實(shí)驗(yàn)參數(shù)設(shè)置

    實(shí)驗(yàn)選取訓(xùn)練集中的少量信號(hào)樣本作為有標(biāo)簽訓(xùn)練集和大量信號(hào)樣本作為無標(biāo)簽訓(xùn)練集。將劃分好的有標(biāo)簽和無標(biāo)簽信號(hào)樣本輸入一致性正則半監(jiān)督深度模型中,其中無標(biāo)簽信號(hào)樣本在輸入深度模型之前去除了標(biāo)簽信息,標(biāo)簽值只用在每次訓(xùn)練迭代后計(jì)算無標(biāo)簽信號(hào)樣本的識(shí)別準(zhǔn)確率,不投入深度網(wǎng)絡(luò)指導(dǎo)訓(xùn)練。

    3個(gè)一致性正則模型在半監(jiān)督算法中的參數(shù)設(shè)置見表3,其中包括訓(xùn)練過程中的迭代次數(shù)、控制權(quán)重系數(shù)的閾值數(shù)T1和T2、偽標(biāo)簽正則項(xiàng)的固定權(quán)重ωf、參數(shù)移動(dòng)平均值α、有標(biāo)簽信號(hào)樣本輸入網(wǎng)絡(luò)的batch size、Adam優(yōu)化器學(xué)習(xí)率大小。需要注意π模型中沒有移動(dòng)平均參數(shù),無標(biāo)簽信號(hào)樣本的batch size根據(jù)與有標(biāo)簽信號(hào)樣本的比例大小做相應(yīng)的設(shè)置。

    表3 模型訓(xùn)練參數(shù)設(shè)置

    3.3 不同模型性能對(duì)比實(shí)驗(yàn)

    實(shí)驗(yàn)中將改進(jìn)的3種一致性正則半監(jiān)督方法與全監(jiān)督方法、偽標(biāo)簽半監(jiān)督方法、自編碼器特征提取方法、改進(jìn)前的一致性正則半監(jiān)督方法進(jìn)行對(duì)比。表4和表5分別展示了當(dāng)有標(biāo)簽樣本數(shù)為1000和2000時(shí),在不同的有標(biāo)簽訓(xùn)練集與無標(biāo)簽訓(xùn)練集的比例大小的設(shè)置條件下,9種方法在包含900個(gè)信號(hào)樣本的測試集上的識(shí)別準(zhǔn)確率(通過100次蒙特卡洛實(shí)驗(yàn)得出),其中帶*的為改進(jìn)后添加偽標(biāo)簽正則項(xiàng)的一致性正則半監(jiān)督方法。

    表4 識(shí)別準(zhǔn)確率(1000個(gè)有標(biāo)簽樣本)

    表5 識(shí)別準(zhǔn)確率(2000個(gè)有標(biāo)簽樣本)

    固定有標(biāo)簽信號(hào)樣本數(shù)目,隨著無標(biāo)簽信號(hào)樣本數(shù)目增多,模型的識(shí)別準(zhǔn)確率也會(huì)增大,但超過一定范圍,過多的無標(biāo)簽樣本數(shù)據(jù)會(huì)加大模型對(duì)于標(biāo)簽錯(cuò)誤預(yù)測的概率,使得訓(xùn)練過程中受到影響并出現(xiàn)較大的波動(dòng),導(dǎo)致最終的識(shí)別性能下降。當(dāng)有標(biāo)簽信號(hào)樣本數(shù)目為1000時(shí),一致性正則半監(jiān)督方法的性能提升更為明顯。這說明在標(biāo)簽信號(hào)樣本數(shù)目較少的情況下,一致性正則半監(jiān)督學(xué)習(xí)在訓(xùn)練過程中才更能體現(xiàn)出避免過擬合增強(qiáng)魯棒的特性。

    表6展示了不同模型從訓(xùn)練開始到訓(xùn)練結(jié)束的時(shí)長。全監(jiān)督算法由于訓(xùn)練集規(guī)模小,訓(xùn)練過程簡單,所以訓(xùn)練時(shí)間最短。π模型由于在訓(xùn)練過程中每次迭代網(wǎng)絡(luò)都要預(yù)測兩次,而師生模型中學(xué)生網(wǎng)絡(luò)和教師網(wǎng)絡(luò)各預(yù)測一次,所以兩種模型訓(xùn)練時(shí)間較長,師生模型在每個(gè)訓(xùn)練批次中都有參數(shù)移動(dòng)平均更新教師模型的參數(shù),所以相比于π模型,師生模型訓(xùn)練時(shí)間更長。偽標(biāo)簽算法訓(xùn)練時(shí)間較短,這是因?yàn)闀r(shí)序組合模型中所有數(shù)據(jù)都參與了無監(jiān)督訓(xùn)練部分,而偽標(biāo)簽算法中只有無標(biāo)簽數(shù)據(jù)參與無監(jiān)督訓(xùn)練。

    圖10 測試集混淆矩陣

    表6 模型訓(xùn)練時(shí)間/s

    3.4 不同深度網(wǎng)絡(luò)對(duì)比實(shí)驗(yàn)

    選擇與前文同樣的訓(xùn)練集設(shè)置條件,表7展示基于不同深度網(wǎng)絡(luò)結(jié)構(gòu)下3種一致性正則模型的識(shí)別準(zhǔn)確率。對(duì)比Inception網(wǎng)絡(luò)和簡單的全連接網(wǎng)絡(luò)以及CNN網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率,Inception提取到不同尺度特征有利于識(shí)別任務(wù),達(dá)到了最好的識(shí)別效果。

    表7 不同深度網(wǎng)絡(luò)下的識(shí)別準(zhǔn)確率/%

    3.5 參數(shù)變化對(duì)比實(shí)驗(yàn)

    圖11繪制了隨著Adam優(yōu)化器學(xué)習(xí)率數(shù)值的減小,3種一致性正則模型識(shí)別準(zhǔn)確率變化的折線圖??梢园l(fā)現(xiàn),當(dāng)學(xué)習(xí)率為0.001時(shí)有著最好的識(shí)別性能,學(xué)習(xí)率設(shè)置過大會(huì)增加模型難以收斂的風(fēng)險(xiǎn),設(shè)置過小會(huì)使模型訓(xùn)練緩慢,易陷入局部最優(yōu)。

    圖11 不同學(xué)習(xí)率下的識(shí)別準(zhǔn)確率

    改變投入模型樣本的長度,測試3種模型在測試集上的識(shí)別準(zhǔn)確率,實(shí)驗(yàn)結(jié)果如圖12所示,較短的樣本長度不利于特征提取,識(shí)別準(zhǔn)確率較低,樣本長度在128時(shí)達(dá)到穩(wěn)定,長度繼續(xù)增長識(shí)別率也不會(huì)有明顯變化,而且會(huì)大大增加訓(xùn)練時(shí)間,甚至?xí)霈F(xiàn)過擬合降低泛化性能的現(xiàn)象。

    圖12 不同樣本長度下模型識(shí)別準(zhǔn)確率

    4 結(jié)束語

    針對(duì)輻射源個(gè)體識(shí)別技術(shù)在真實(shí)環(huán)境中面臨著“小樣本”問題,本文提出改進(jìn)的一致性正則半監(jiān)督個(gè)體識(shí)別方法,介紹了半監(jiān)督學(xué)習(xí)中一致性正則方法的基本思想以及3種一致性正則半監(jiān)督深度模型的算法過程,加入了偽標(biāo)簽正則項(xiàng)進(jìn)行方法改進(jìn),重新定義算法的訓(xùn)練過程,構(gòu)建總的損失函數(shù),并且根據(jù)實(shí)際樣本數(shù)據(jù)集的采集情況設(shè)計(jì)Inception深度網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行算法性能的驗(yàn)證。

    通過分析不同方法在實(shí)際采集的5臺(tái)USRP輻射源數(shù)據(jù)集上的分類結(jié)果,可以看到改進(jìn)后添加偽標(biāo)簽正則項(xiàng)的一致性正則半監(jiān)督方法的識(shí)別性能明顯提升,當(dāng)有標(biāo)簽信號(hào)樣本數(shù)為1000和2000,所占樣本總數(shù)的四分之一時(shí),師生模型分別得到92.19%和97.96%的最高識(shí)別準(zhǔn)確率,通過實(shí)驗(yàn)也驗(yàn)證了設(shè)計(jì)的Inception深度網(wǎng)絡(luò)和選擇的學(xué)習(xí)率、樣本長度參數(shù)的有效性。下一步的工作中,會(huì)在深度網(wǎng)絡(luò)對(duì)于輻射源個(gè)體特征的具體提取形式以及訓(xùn)練過程中超參數(shù)設(shè)置等方面繼續(xù)深入研究探索。

    猜你喜歡
    輻射源正則一致性
    關(guān)注減污降碳協(xié)同的一致性和整體性
    公民與法治(2022年5期)2022-07-29 00:47:28
    注重教、學(xué)、評(píng)一致性 提高一輪復(fù)習(xí)效率
    IOl-master 700和Pentacam測量Kappa角一致性分析
    基于博弈論的GRA-TOPSIS輻射源威脅評(píng)估方法
    剩余有限Minimax可解群的4階正則自同構(gòu)
    數(shù)字電視外輻射源雷達(dá)多旋翼無人機(jī)微多普勒效應(yīng)實(shí)驗(yàn)研究
    類似于VNL環(huán)的環(huán)
    外輻射源雷達(dá)直升機(jī)旋翼參數(shù)估計(jì)方法
    基于遷移成分分析的雷達(dá)輻射源識(shí)別方法研究
    基于事件觸發(fā)的多智能體輸入飽和一致性控制
    琪琪午夜伦伦电影理论片6080| av天堂在线播放| 少妇熟女aⅴ在线视频| 亚洲中文日韩欧美视频| 中文字幕久久专区| 国产欧美日韩精品一区二区| 伦理电影免费视频| 99久久精品国产亚洲精品| 给我免费播放毛片高清在线观看| 亚洲国产精品成人综合色| 观看美女的网站| 噜噜噜噜噜久久久久久91| 深夜精品福利| 亚洲精品色激情综合| 婷婷六月久久综合丁香| 国产主播在线观看一区二区| 99re在线观看精品视频| 最好的美女福利视频网| 2021天堂中文幕一二区在线观| 亚洲av成人不卡在线观看播放网| 国内精品美女久久久久久| 日韩大尺度精品在线看网址| 亚洲精品乱码久久久v下载方式 | 久99久视频精品免费| 18禁裸乳无遮挡免费网站照片| 啪啪无遮挡十八禁网站| 成在线人永久免费视频| 视频区欧美日本亚洲| 久久久久久久午夜电影| 成年女人永久免费观看视频| 日韩三级视频一区二区三区| 亚洲国产看品久久| 大型黄色视频在线免费观看| av在线蜜桃| 1000部很黄的大片| 老汉色∧v一级毛片| av在线蜜桃| ponron亚洲| 国内少妇人妻偷人精品xxx网站 | 国产成人精品久久二区二区91| 一夜夜www| 国产精品久久视频播放| 国产黄色小视频在线观看| 听说在线观看完整版免费高清| 听说在线观看完整版免费高清| 亚洲,欧美精品.| 国产成人系列免费观看| 国产一区在线观看成人免费| 一级a爱片免费观看的视频| 日韩 欧美 亚洲 中文字幕| 日本 av在线| 黄色女人牲交| 免费电影在线观看免费观看| 香蕉av资源在线| 精品国产美女av久久久久小说| 欧美黄色片欧美黄色片| 久久香蕉国产精品| 舔av片在线| 极品教师在线免费播放| 香蕉丝袜av| 欧美在线一区亚洲| 亚洲精品久久国产高清桃花| 一本久久中文字幕| 老司机午夜十八禁免费视频| 日本黄色片子视频| 亚洲欧美精品综合久久99| svipshipincom国产片| 中文字幕久久专区| 搡老熟女国产l中国老女人| 在线十欧美十亚洲十日本专区| 国产黄片美女视频| 精品国产超薄肉色丝袜足j| 国产乱人视频| 欧美av亚洲av综合av国产av| 日本 av在线| 长腿黑丝高跟| 俄罗斯特黄特色一大片| 日日干狠狠操夜夜爽| 精品久久久久久久末码| 亚洲成人久久爱视频| 国产69精品久久久久777片 | 97碰自拍视频| 97人妻精品一区二区三区麻豆| 欧美在线黄色| 热99在线观看视频| 久久中文看片网| 久久精品综合一区二区三区| 日本a在线网址| 这个男人来自地球电影免费观看| 麻豆成人午夜福利视频| 久99久视频精品免费| av片东京热男人的天堂| 国产视频内射| 人妻久久中文字幕网| 九色国产91popny在线| 中文字幕av在线有码专区| 熟妇人妻久久中文字幕3abv| 精品福利观看| 精品不卡国产一区二区三区| 色哟哟哟哟哟哟| 国产精品影院久久| 亚洲激情在线av| 亚洲无线在线观看| 国产淫片久久久久久久久 | 国产精品亚洲av一区麻豆| 亚洲中文日韩欧美视频| 18禁裸乳无遮挡免费网站照片| 欧美一区二区国产精品久久精品| 亚洲av电影在线进入| 老鸭窝网址在线观看| 久久久国产成人免费| 亚洲第一欧美日韩一区二区三区| 高清在线国产一区| 小蜜桃在线观看免费完整版高清| 老熟妇乱子伦视频在线观看| 日韩免费av在线播放| 少妇丰满av| 亚洲av日韩精品久久久久久密| 亚洲国产欧洲综合997久久,| 麻豆久久精品国产亚洲av| av中文乱码字幕在线| 一二三四社区在线视频社区8| 亚洲aⅴ乱码一区二区在线播放| 国产亚洲欧美98| 中文字幕久久专区| 变态另类成人亚洲欧美熟女| 精品不卡国产一区二区三区| av黄色大香蕉| 最新美女视频免费是黄的| 99久久精品一区二区三区| 熟妇人妻久久中文字幕3abv| 中文亚洲av片在线观看爽| 人人妻人人澡欧美一区二区| 18禁国产床啪视频网站| 97超视频在线观看视频| 欧美av亚洲av综合av国产av| 国内揄拍国产精品人妻在线| 18禁观看日本| 亚洲美女黄片视频| 999久久久国产精品视频| 色在线成人网| 亚洲av美国av| 精品国产乱码久久久久久男人| 一边摸一边抽搐一进一小说| x7x7x7水蜜桃| 熟女少妇亚洲综合色aaa.| 国产激情偷乱视频一区二区| 欧美日韩精品网址| 1000部很黄的大片| 亚洲国产看品久久| 深夜精品福利| 成人午夜高清在线视频| 日韩有码中文字幕| 99久国产av精品| 人妻丰满熟妇av一区二区三区| 不卡av一区二区三区| 麻豆久久精品国产亚洲av| av中文乱码字幕在线| 国产精品久久久久久精品电影| 琪琪午夜伦伦电影理论片6080| av视频在线观看入口| 成人av在线播放网站| 高清在线国产一区| 欧美日本视频| 黑人巨大精品欧美一区二区mp4| 国产精品影院久久| 国产精品久久久人人做人人爽| 国内毛片毛片毛片毛片毛片| 成年人黄色毛片网站| 别揉我奶头~嗯~啊~动态视频| 国产欧美日韩一区二区精品| 欧美一级毛片孕妇| 精品久久久久久久人妻蜜臀av| 一二三四在线观看免费中文在| 日韩人妻高清精品专区| avwww免费| 国产亚洲欧美在线一区二区| 久久精品91无色码中文字幕| 亚洲欧美激情综合另类| 精品久久久久久久久久久久久| netflix在线观看网站| 在线a可以看的网站| 人人妻,人人澡人人爽秒播| 色噜噜av男人的天堂激情| 90打野战视频偷拍视频| 欧美成人一区二区免费高清观看 | 精品国产乱子伦一区二区三区| 特级一级黄色大片| 老汉色∧v一级毛片| 久久亚洲精品不卡| 天天添夜夜摸| 香蕉国产在线看| 国产成人啪精品午夜网站| 国产亚洲精品一区二区www| 国产极品精品免费视频能看的| 日韩欧美精品v在线| 一二三四社区在线视频社区8| 国产精品久久久久久人妻精品电影| 午夜激情欧美在线| 久久久久精品国产欧美久久久| 久久久久免费精品人妻一区二区| 国产极品精品免费视频能看的| 午夜a级毛片| 久久久国产精品麻豆| 少妇丰满av| 成年女人永久免费观看视频| 久久久久国内视频| 欧美3d第一页| 夜夜躁狠狠躁天天躁| 熟妇人妻久久中文字幕3abv| 欧美日韩黄片免| 黄色女人牲交| 香蕉丝袜av| 成人性生交大片免费视频hd| 国产久久久一区二区三区| 成人永久免费在线观看视频| 我的老师免费观看完整版| 午夜a级毛片| 天天添夜夜摸| 别揉我奶头~嗯~啊~动态视频| 级片在线观看| 一个人看视频在线观看www免费 | 亚洲电影在线观看av| 国产一区在线观看成人免费| 亚洲性夜色夜夜综合| 亚洲色图 男人天堂 中文字幕| 一本精品99久久精品77| www日本在线高清视频| 18禁观看日本| 亚洲精品美女久久久久99蜜臀| 久久天躁狠狠躁夜夜2o2o| 色视频www国产| 亚洲国产欧美网| 999久久久国产精品视频| 国产成年人精品一区二区| 色精品久久人妻99蜜桃| 丰满人妻熟妇乱又伦精品不卡| 天天一区二区日本电影三级| 久久欧美精品欧美久久欧美| 国产私拍福利视频在线观看| 日日干狠狠操夜夜爽| 99热6这里只有精品| 成人欧美大片| 午夜福利在线观看免费完整高清在 | 好男人在线观看高清免费视频| 一卡2卡三卡四卡精品乱码亚洲| 老司机深夜福利视频在线观看| 精品人妻1区二区| 国产一区二区在线av高清观看| 美女cb高潮喷水在线观看 | 亚洲成人精品中文字幕电影| 亚洲无线在线观看| 免费在线观看亚洲国产| 一级毛片精品| 一进一出抽搐gif免费好疼| 长腿黑丝高跟| 后天国语完整版免费观看| 男女那种视频在线观看| 亚洲人成网站在线播放欧美日韩| 亚洲激情在线av| 成人无遮挡网站| 午夜福利成人在线免费观看| 欧美精品啪啪一区二区三区| 国产精品久久久久久亚洲av鲁大| 综合色av麻豆| 很黄的视频免费| 波多野结衣巨乳人妻| 一进一出抽搐gif免费好疼| 变态另类丝袜制服| 99在线视频只有这里精品首页| 国产探花在线观看一区二区| 久久香蕉精品热| 亚洲,欧美精品.| 亚洲成av人片免费观看| 亚洲欧洲精品一区二区精品久久久| 亚洲自偷自拍图片 自拍| 伊人久久大香线蕉亚洲五| 亚洲无线在线观看| 久久这里只有精品19| 午夜精品一区二区三区免费看| 国产精品久久久久久久电影 | 欧美av亚洲av综合av国产av| 成在线人永久免费视频| 99久久精品国产亚洲精品| 99久久99久久久精品蜜桃| 在线视频色国产色| 久久久精品欧美日韩精品| 国产69精品久久久久777片 | 99在线人妻在线中文字幕| 十八禁人妻一区二区| 午夜福利成人在线免费观看| 久久久久免费精品人妻一区二区| ponron亚洲| 天天添夜夜摸| 久久久国产成人精品二区| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲欧美日韩无卡精品| 日日干狠狠操夜夜爽| 成人亚洲精品av一区二区| 搡老熟女国产l中国老女人| 精品人妻1区二区| 叶爱在线成人免费视频播放| 无人区码免费观看不卡| 免费一级毛片在线播放高清视频| 国产爱豆传媒在线观看| 哪里可以看免费的av片| 精品一区二区三区视频在线 | 国产精品野战在线观看| 国产精品久久久久久亚洲av鲁大| 亚洲av电影在线进入| 97超级碰碰碰精品色视频在线观看| 韩国av一区二区三区四区| 色在线成人网| 51午夜福利影视在线观看| 欧美另类亚洲清纯唯美| 婷婷亚洲欧美| 少妇丰满av| 99久久无色码亚洲精品果冻| 中文字幕最新亚洲高清| 全区人妻精品视频| 波多野结衣高清作品| 国产精华一区二区三区| 国产精品一区二区免费欧美| xxxwww97欧美| 国产成人av激情在线播放| 亚洲中文字幕日韩| 国产欧美日韩精品亚洲av| 国产亚洲欧美98| 天天一区二区日本电影三级| 男女做爰动态图高潮gif福利片| 国产精品 国内视频| 中文字幕最新亚洲高清| 国产精品综合久久久久久久免费| 麻豆国产97在线/欧美| 精品一区二区三区视频在线 | 看黄色毛片网站| 此物有八面人人有两片| 黄频高清免费视频| 99久国产av精品| 女同久久另类99精品国产91| 亚洲精品色激情综合| 亚洲色图 男人天堂 中文字幕| 国产激情偷乱视频一区二区| 久久精品人妻少妇| 极品教师在线免费播放| 欧美一级毛片孕妇| 国语自产精品视频在线第100页| 久久精品aⅴ一区二区三区四区| 给我免费播放毛片高清在线观看| 窝窝影院91人妻| 亚洲av成人不卡在线观看播放网| 国产伦人伦偷精品视频| 中文在线观看免费www的网站| 午夜视频精品福利| 精品久久久久久久毛片微露脸| 欧美一级毛片孕妇| 999久久久精品免费观看国产| 90打野战视频偷拍视频| 校园春色视频在线观看| 欧美日韩综合久久久久久 | 成人国产一区最新在线观看| 欧美激情在线99| 观看免费一级毛片| 亚洲精品在线观看二区| 免费搜索国产男女视频| 午夜精品一区二区三区免费看| 国产野战对白在线观看| cao死你这个sao货| 亚洲在线观看片| 无遮挡黄片免费观看| 色精品久久人妻99蜜桃| 日韩大尺度精品在线看网址| 免费看a级黄色片| 亚洲精品久久国产高清桃花| 国产精品野战在线观看| 巨乳人妻的诱惑在线观看| 一边摸一边抽搐一进一小说| 欧美最黄视频在线播放免费| 国产男靠女视频免费网站| 男女视频在线观看网站免费| 啦啦啦观看免费观看视频高清| 欧美日本亚洲视频在线播放| 日韩高清综合在线| 国产av麻豆久久久久久久| av国产免费在线观看| 又大又爽又粗| 9191精品国产免费久久| 国产一区在线观看成人免费| 好男人在线观看高清免费视频| 好看av亚洲va欧美ⅴa在| 男人舔女人下体高潮全视频| 国产精华一区二区三区| 亚洲国产日韩欧美精品在线观看 | 日韩欧美一区二区三区在线观看| 欧美日韩一级在线毛片| 国产精品亚洲美女久久久| 精品国产美女av久久久久小说| 非洲黑人性xxxx精品又粗又长| 欧美不卡视频在线免费观看| 免费高清视频大片| 免费看日本二区| 亚洲 欧美 日韩 在线 免费| 免费看美女性在线毛片视频| 亚洲人成网站高清观看| 日本与韩国留学比较| 国模一区二区三区四区视频 | 国产精品九九99| 美女扒开内裤让男人捅视频| 午夜视频精品福利| 夜夜爽天天搞| 国产精品电影一区二区三区| 久久亚洲精品不卡| 很黄的视频免费| 亚洲熟女毛片儿| 51午夜福利影视在线观看| 黑人欧美特级aaaaaa片| 巨乳人妻的诱惑在线观看| 一级作爱视频免费观看| 曰老女人黄片| 综合色av麻豆| 天堂影院成人在线观看| 亚洲专区中文字幕在线| 国产精品久久视频播放| 麻豆一二三区av精品| 日韩欧美一区二区三区在线观看| 欧美色欧美亚洲另类二区| 国产午夜福利久久久久久| 日本免费a在线| 精品国内亚洲2022精品成人| 亚洲乱码一区二区免费版| 午夜免费激情av| 一个人看视频在线观看www免费 | 欧美午夜高清在线| 免费在线观看亚洲国产| 一区二区三区激情视频| 国产精品av久久久久免费| 中文字幕久久专区| 高清在线国产一区| 在线观看66精品国产| 淫秽高清视频在线观看| 亚洲欧洲精品一区二区精品久久久| 国产精品久久久久久亚洲av鲁大| 国模一区二区三区四区视频 | 国产成人福利小说| 伦理电影免费视频| 丁香欧美五月| 午夜精品在线福利| 日韩精品中文字幕看吧| 19禁男女啪啪无遮挡网站| svipshipincom国产片| 男女午夜视频在线观看| 1024手机看黄色片| netflix在线观看网站| 国产成年人精品一区二区| 性欧美人与动物交配| 黑人巨大精品欧美一区二区mp4| 少妇裸体淫交视频免费看高清| 亚洲 欧美一区二区三区| 丰满的人妻完整版| 欧美成人免费av一区二区三区| 欧美又色又爽又黄视频| 青草久久国产| 曰老女人黄片| 久久中文字幕一级| 精品国内亚洲2022精品成人| 日韩欧美一区二区三区在线观看| 欧美黄色淫秽网站| 亚洲专区中文字幕在线| 久久久久九九精品影院| 亚洲va日本ⅴa欧美va伊人久久| 露出奶头的视频| 国产激情欧美一区二区| 久久久成人免费电影| 久久精品国产99精品国产亚洲性色| 日本免费一区二区三区高清不卡| 99riav亚洲国产免费| 白带黄色成豆腐渣| 国产精品av久久久久免费| 一级毛片高清免费大全| 国产成年人精品一区二区| 亚洲第一电影网av| 国产精品久久久av美女十八| x7x7x7水蜜桃| 一区二区三区高清视频在线| 给我免费播放毛片高清在线观看| h日本视频在线播放| 亚洲欧美一区二区三区黑人| 在线国产一区二区在线| 亚洲熟妇中文字幕五十中出| 国产高清videossex| 中文字幕人成人乱码亚洲影| 国产69精品久久久久777片 | 亚洲成av人片免费观看| av天堂中文字幕网| 免费搜索国产男女视频| 亚洲最大成人中文| 我要搜黄色片| 在线国产一区二区在线| 琪琪午夜伦伦电影理论片6080| 脱女人内裤的视频| 五月玫瑰六月丁香| 免费在线观看亚洲国产| 1000部很黄的大片| 啪啪无遮挡十八禁网站| 国内精品一区二区在线观看| 俄罗斯特黄特色一大片| 亚洲成av人片在线播放无| 麻豆国产97在线/欧美| 亚洲欧美日韩高清在线视频| 午夜免费观看网址| www.熟女人妻精品国产| 亚洲片人在线观看| 欧美中文日本在线观看视频| 婷婷精品国产亚洲av在线| 一进一出抽搐动态| 成人av一区二区三区在线看| 好男人在线观看高清免费视频| 精品国产超薄肉色丝袜足j| 午夜福利在线观看吧| 欧美日韩精品网址| 欧美在线一区亚洲| 国产毛片a区久久久久| 日本免费a在线| 国产精品99久久久久久久久| av在线天堂中文字幕| 久久精品国产综合久久久| 视频区欧美日本亚洲| 波多野结衣巨乳人妻| 成年女人永久免费观看视频| 免费一级毛片在线播放高清视频| 19禁男女啪啪无遮挡网站| 国产人伦9x9x在线观看| 国产精品久久久久久精品电影| 国产久久久一区二区三区| 久久亚洲精品不卡| 亚洲精品乱码久久久v下载方式 | 99re在线观看精品视频| 性欧美人与动物交配| 少妇人妻一区二区三区视频| 欧美丝袜亚洲另类 | 久久精品国产亚洲av香蕉五月| 蜜桃久久精品国产亚洲av| 国产不卡一卡二| 欧美另类亚洲清纯唯美| 在线观看一区二区三区| 欧美成人免费av一区二区三区| 在线视频色国产色| 狂野欧美激情性xxxx| 少妇人妻一区二区三区视频| 国产v大片淫在线免费观看| 国产精品久久久av美女十八| 久久草成人影院| 美女大奶头视频| 成年女人毛片免费观看观看9| 少妇人妻一区二区三区视频| 国产精品亚洲av一区麻豆| 精华霜和精华液先用哪个| 老司机福利观看| 黄色女人牲交| 亚洲人成网站高清观看| 亚洲18禁久久av| 成人一区二区视频在线观看| 综合色av麻豆| 搡老熟女国产l中国老女人| 少妇裸体淫交视频免费看高清| 熟妇人妻久久中文字幕3abv| 最近最新中文字幕大全免费视频| 欧美不卡视频在线免费观看| 天天躁日日操中文字幕| 三级男女做爰猛烈吃奶摸视频| 成人无遮挡网站| 国产99白浆流出| 在线观看日韩欧美| 伊人久久大香线蕉亚洲五| 免费在线观看亚洲国产| 少妇人妻一区二区三区视频| 欧美另类亚洲清纯唯美| 色综合亚洲欧美另类图片| 欧美大码av| 99在线人妻在线中文字幕| 国产精品野战在线观看| 噜噜噜噜噜久久久久久91| 特级一级黄色大片| 日韩av在线大香蕉| 一二三四在线观看免费中文在| 久久性视频一级片| 午夜视频精品福利| aaaaa片日本免费| 精品久久久久久,| 午夜福利成人在线免费观看| 欧美午夜高清在线| 高潮久久久久久久久久久不卡| 国产亚洲欧美在线一区二区| 91在线观看av| 一夜夜www| 免费av不卡在线播放| 亚洲五月婷婷丁香| 欧美一区二区精品小视频在线| 亚洲人成伊人成综合网2020| 欧美av亚洲av综合av国产av| 国产精品 欧美亚洲| 欧美黄色片欧美黄色片| 免费在线观看日本一区| 精品久久久久久久毛片微露脸| 免费看光身美女| 在线观看午夜福利视频| 麻豆久久精品国产亚洲av| 老司机午夜十八禁免费视频| 91av网一区二区| 99久久成人亚洲精品观看| 国产精品一区二区三区四区久久| 真人做人爱边吃奶动态| 少妇裸体淫交视频免费看高清| 国产精品98久久久久久宅男小说| 国产精华一区二区三区|