• <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 ?

    一種基于MFCC特征的水下目標分類網(wǎng)絡

    2022-04-16 02:08:54徐曉剛羅昕煒
    聲學與電子工程 2022年1期
    關鍵詞:特征提取濾波器準確率

    徐曉剛 羅昕煒

    (東南大學水聲信號處理教育部重點實驗室,南京,210096)

    水下目標的分類識別是水聲領域研究的熱點問題,對于現(xiàn)代海洋裝備目標探測尤為關鍵,特征向量提取的方法是水聲目標分類識別的研究重點。文獻[1]提出了一種基于小波包變換的水下目標輻射噪聲特征提取算法,文獻[2]提出了一種基于雙譜估計的水下目標輻射噪聲特征提取算法,文獻[3]提出了一種基于波數(shù)譜模態(tài)能量差特征的目標分類方法。由于聲吶識別不同水下輻射噪聲源的原理與人耳語音識別的機理類似,因此,基于聽覺特征的水下聲目標特征提取方法是研究熱點之一,其中提取梅爾倒譜系數(shù)進行水下聲目標識別是常用的方法之一。文獻[4]介紹了差分梅爾頻率倒譜系數(shù)的概念和相應的特征提取方法,對水下目標進行了基于MFCC特征提取方法仿真研究和實驗分析;文獻[5]將 MFCC特征應用于船舶和鯨類水下聲信號的特征提取中,提取了船舶和鯨類聲信號的MFCC特征,通過高斯混合模型對提取的MFCC特征進行訓練和識別分類,討論MFCC維數(shù)變化和不同MFCC特征組合對識別分類性能的影響;文獻[6-8]也進行了MFCC特征提取相關方面的研究工作,并取得了一定的研究成果。

    傳統(tǒng)水下聲目標識別分類過程具有較強的人機交互特性,需要人工提取泛化能力強的特征數(shù)據(jù),無法滿足未來水下無人平臺只能識別分類水聲目標的需求。深度學習理論可以改善這一點,它可以打破現(xiàn)有的水聲目標識別中對先驗知識和特征提取方法的依賴,直接通過學習獲得信號特征,目前已發(fā)展出自編碼器(Auto Encode, AE)[9]、深度置信網(wǎng)絡(Deep Belief Networks,DBN)[10]、CNN[11-12]、循環(huán)神經(jīng)網(wǎng)絡(Recurrent Neural Networks,RNN)[13-15]、生成對抗網(wǎng)絡(Generative Adversarial Network,GAN)[16-17]及其相關變種等多種模型,在各個領域得到廣泛的應用且都有不錯的效果。因此,用深度學習的方法結合 MFCC對不同水下目標進行分類識別,可以減少實時環(huán)境對技術人員的依賴性,使得未來水下無人平臺領域應用更加廣泛和靈活。本文利用實現(xiàn)的 CNN研究了不同維度下 MFCC和LOFAR特征的分類性能。

    1 信號特征提取

    1.1 梅爾頻率

    通過對人耳聽覺機理的研究發(fā)現(xiàn),人耳對不同頻率的聲音有不同的敏感度,特別是頻率200~5000 Hz的語音信號特別敏感。所以人耳的聽覺系統(tǒng)是非線性的,這也是對低頻聲音信號更加敏感的原因。梅爾倒譜系數(shù)是在梅爾頻率(Mel-Frequency)域上提取出來的參數(shù),Mel頻率描述了人耳的非線性特性,它與頻率關系為

    式中,fmel表示的是在Mel頻率域上的頻率,Hz。

    1.2 MFCC參數(shù)提取過程

    MFCC特征的提取過程,需要對語音信號進行預加重、信號分幀、加窗以及濾波器處理等操作,具體流程如圖1所示,這些處理方式都是為了能夠最大化的保留語音的有效特征,從而達到最好的特征參數(shù)提取。

    圖1 MFCC算法框圖

    (a)預加重即將聲信號通過一個高通濾波器,目的是增強聲信號中的高頻部分,使得頻譜變得平坦,保持從低頻到高頻的整個頻帶內(nèi)可以有相同的信噪比,本實驗選取的高通濾波器傳遞函數(shù)為:,其中μ=0.95。

    (b)分幀是將N個采樣點集合成一個觀測單位,通常N取值為256或者512,其涵蓋時間范圍大約在20~30 ms,而且相鄰兩幀之間有1/2或者1/3的重疊區(qū)域,然后加窗。為了使信號具有連續(xù)性,窗函數(shù)表達式為

    式中,N是漢明窗的長度。圖2是漢明窗的時域圖像。

    圖2 漢明窗時域圖

    (c)對分幀和加窗后的各幀信號進行快速傅里葉變換得到其頻譜,再對信號頻譜取平方得到語音信號的功率譜。

    (d)將能量譜通過一組 Mel尺度的三角形濾波器組。Mel頻率尺度上的等距三角形濾波器組對應于Hz頻率上的非等距三角形濾波器組,即Mel濾波器組,其表達式為

    式中,f(m)為濾波器組的中心頻率,間距隨著m值的減小而減小。具體濾波器結構如圖3所示,其作用可以使頻譜平滑并且消除諧波。利用對數(shù)函數(shù)對Mel濾波后的能量譜進行壓縮,那么得到輸出的對數(shù)能量為

    圖3 梅爾濾波器

    (e)對得到的對數(shù)能量譜做DCT變換,這是一種用于去相關語音特征的最佳變換。最后得到L階倒譜系數(shù):

    式中,M為梅爾濾波器個數(shù),L為MFCC特征向量的階數(shù)。一般使用26個梅爾濾波器,可以得到26個倒譜系數(shù),取13個系數(shù)出來作為所需要的MFCC特征系數(shù)。

    標準的MFCC只反映聲信號的靜態(tài)特性,為了提高分類的識別能力,加入動態(tài)特征,也就是靜態(tài)特征的差分譜。聲信號的一階和二階MFCC特征向量為

    式中,d(n)表示第n個一階差分,c(n)表示第n個倒譜系數(shù),Q代表倒譜系數(shù)的階數(shù),K代表一階系數(shù)的時間差。將上述結果再次迭代這個公式就可以得到二階差分的特征向量。

    2 卷積目標分類實現(xiàn)

    2.1 CNN模型

    CNN與一般的神經(jīng)網(wǎng)絡相似,都由可學習的權重和偏差的神經(jīng)元組成,但CNN更加注重輸入數(shù)據(jù)的結構。二維圖像包含的特征信息比一維數(shù)據(jù)要多并且隱蔽,使用一般的神經(jīng)網(wǎng)絡不好處理,CNN可以很好地解決這一問題,它能夠從二維圖像中提取輸入數(shù)據(jù)的位移、縮放以及變形的特性。CNN主要由卷積層、激活函數(shù)層、池化層、全連接層等交叉組成前饋神經(jīng)網(wǎng)絡,其結構如圖4所示。

    圖4 CNN流程圖

    2.2 CNN分類實現(xiàn)與結果分析

    ShipsEar數(shù)據(jù)庫為研究人員提供各類船舶的聲音記錄和自然背景噪聲,用來訓練船只探測器和分類器、或者監(jiān)測海上的交通情況。本文選取 A~D四類信號,其中A為Motorboat輻射噪聲信號,B為Ocean linear輻射噪聲信號,C為Passenger輻射噪聲信號,D為Natural ambient noise輻射噪聲信號,如表1所示。

    表1 數(shù)據(jù)類別及其時長和文件個數(shù)

    通過第1節(jié)介紹的梅爾倒譜系數(shù)計算步驟,實驗采用漢明窗,幀長為fs/40,幀移為幀長的一半。計算得到四類不同船只輻射噪聲和自然噪聲的仿真圖如圖5所示。仿真得到A~D四類不同艦船輻射噪聲的歸一化26階MFCC系數(shù),其中包含了13階的MFCC系數(shù)、13階的D-MFCC系數(shù)。三維圖中X、Y軸分別代表MFCC系數(shù)的階數(shù)和幀數(shù),Z軸代表MFCC特征系數(shù)。從圖中可知,MFCC系數(shù)特征在 3~17階存在比較大的區(qū)分度,因此將其作為分類識別的有效特征。

    圖5 不同船只輻射噪聲和自然噪聲的仿真圖

    將上述計算得到的四類樣本數(shù)據(jù)用 CNN神經(jīng)網(wǎng)絡進行訓練,樣本數(shù)據(jù)按7:3劃分為訓練集和測試集。本實驗采用VGG網(wǎng)絡的模式,即在卷積層后加池化層,采用Dropout正則化方法避免網(wǎng)絡過擬合,其中keep-prob的值統(tǒng)一設置為 0.25,在網(wǎng)絡反向傳播時,采用的是Adam梯度下降優(yōu)化算法,網(wǎng)絡參數(shù)設置如表2所示。

    表2 CNN網(wǎng)絡參數(shù)表

    實驗采用二進制交叉熵作為損失函數(shù):

    式中,表示網(wǎng)絡預測輸出,y表示網(wǎng)絡的真實樣本值,k表示類別數(shù)。epoch設置為200,CNN預測模型某次訓練精度和loss值隨epoch的變化如圖6所示。

    圖6(a) 訓練和測試準確率

    圖6(b) 訓練和測試損失

    從圖6中訓練精度、測試精度和loss值的變化曲線可以看出,epoch從125開始時,訓練和測試的loss值基本不變,訓練集精度變化緩慢,測試集精度趨近平衡。通過圖6~7可以發(fā)現(xiàn),訓練集精度穩(wěn)定在93%、測試集精度穩(wěn)定在91%左右時有比較好的訓練效果。A類測試精度達到了79%,B類測試精度達到了94%,C類測試精度達到了92%,D類測試精度達到了89%。整體而言,由于訓練樣本自身就存在一定的噪聲干擾,并不是純凈的艦船輻射噪聲,所以精度不是特別的高,但四種類別的分類效果都還不錯。

    圖7 CNN網(wǎng)絡的混淆矩陣

    2.3 特征維度和特征類型影響

    對不同艦船輻射噪聲進行分類,還可以采用信號各自的LOFAR圖作為神經(jīng)網(wǎng)絡的輸入。本文用短時傅里葉變換來分析艦船輻射噪聲的LOFAR譜圖。對語音或噪聲信號處理和識別時,由于信號的非平穩(wěn)性,其性質(zhì)隨時間發(fā)生較明顯的變化,因此不能應用通常的傅里葉表示方法。LOFAR 譜圖從時、頻兩個角度對信號進行描述,通過對連續(xù)的采樣數(shù)據(jù)作短時傅里葉變換而構成信號的非平穩(wěn)特性,對信號特征提取具有很好的效果。

    當神經(jīng)網(wǎng)絡的輸入分別為MFCC和LOFAR特征,并且二者的輸入?yún)?shù)相同時,A~D四類艦船輻射噪聲信號的識別準確率如圖8所示。

    圖8 LOFAR和MFCC特征輸入網(wǎng)絡的準確率

    可以看出,當輸入?yún)?shù)相同,MFCC作為特征輸入時的四類艦船輻射噪聲識別準確率更高,并且網(wǎng)絡的損失函數(shù)趨于平穩(wěn)的迭代次數(shù)更少,網(wǎng)絡的訓練時間也相應的更少;對于同一特征(MFCC或LOFAR),輸入?yún)?shù)越少,準確率越低,隨著輸入?yún)?shù)的增加,神經(jīng)網(wǎng)絡的優(yōu)勢體現(xiàn)出來,系統(tǒng)的識別準確率慢慢提高,分類效果慢慢變好。

    由表 3可以看出,信號同類特征(MFCC或LOFAR)不同維度作為輸入,隨著特征維度的增加,網(wǎng)絡訓練參數(shù)能夠更好的表征信號特征,這能很好地提高網(wǎng)絡識別性能。卷積網(wǎng)絡對多參數(shù)訓練具有很好的優(yōu)勢,通過每一層卷積核大小和卷積核個數(shù)可以很好的對特征進行壓縮,防止訓練數(shù)據(jù)爆炸,導致網(wǎng)絡過擬合現(xiàn)象。對于 LOFAR特征來說,B類識別準確率提升的比較明顯;對于MFCC特征來說,B、C類識別準確率提升的比較明顯??傮w來看,對于兩種特征,A類的識別率相比于B、C、D類來說相對較低。通過對A類樣本集分析,發(fā)現(xiàn)樣本間存在明顯差異,訓練之后網(wǎng)絡效果不佳。信號同一維度不同特征作為輸入,MFCC較LOFAR特征的識別效果更好,即使是在輸入?yún)?shù)較少的情況下,MFCC也能夠達到更好的識別效果。對于網(wǎng)絡訓練時間,隨著輸入?yún)?shù)的增加,訓練時間也會跟著增加,但是當LOFAR輸入?yún)?shù)為110×110、MFCC輸入?yún)?shù)為100×100時,網(wǎng)絡總體識別率不再提升。如果再增加輸入?yún)?shù),那么只會增加訓練的時間,識別效果不會明顯提升。在相同的輸入特征維度下,雖然LOFAR特征相比MFCC特征需要訓練的時間相對較少,但是MFCC在參數(shù)較少的情況下也能達到很好的識別準確率。

    表3 LOFAR和MFCC特征輸入網(wǎng)絡的準確率和訓練時間

    3 結論

    艦船輻射噪聲是一種非平穩(wěn)、復雜的信號,為提高艦船輻射噪聲識別的準確率,本文將MFCC和CNN結合構建了一個水聲信號卷積分類網(wǎng)絡。該分類網(wǎng)絡通過 MFCC特征提取方法逐幀提取艦船輻射噪聲信號的梅爾倒譜系數(shù),將提取的梅爾系數(shù)構建特征矩陣輸入卷積網(wǎng)絡中進行分類。實驗結果表明,對于同一種特征,隨著網(wǎng)絡輸入?yún)?shù)增加,目標整體識別率提高,MFCC特征相比于LOFAR特征具有很好的識別效果,即使是在輸入?yún)?shù)比較少的情況下,也能達到90%的整體識別準確率。在輸入?yún)?shù)相同的情況下,A~D四類的MFCC特征識別準確率都高于LOFAR,且MFCC特征的識別率最高能達到94%。

    猜你喜歡
    特征提取濾波器準確率
    基于無擾濾波器和AED-ADT的無擾切換控制
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準確率比較探討
    2015—2017 年寧夏各天氣預報參考產(chǎn)品質(zhì)量檢驗分析
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    開關電源EMI濾波器的應用方法探討
    電子制作(2018年16期)2018-09-26 03:26:50
    高速公路車牌識別標識站準確率驗證法
    Bagging RCSP腦電特征提取算法
    基于TMS320C6678的SAR方位向預濾波器的并行實現(xiàn)
    女人高潮潮喷娇喘18禁视频| 国产亚洲av高清不卡| 女人爽到高潮嗷嗷叫在线视频| 精品国内亚洲2022精品成人| 精品久久久久久久人妻蜜臀av| netflix在线观看网站| 午夜日韩欧美国产| 亚洲国产日韩欧美精品在线观看 | 少妇的丰满在线观看| 国产成人av激情在线播放| 少妇熟女aⅴ在线视频| 久久久久亚洲av毛片大全| 天堂√8在线中文| 丝袜人妻中文字幕| 两个人看的免费小视频| 国产一级毛片七仙女欲春2| 黄色女人牲交| 亚洲五月天丁香| 亚洲第一欧美日韩一区二区三区| 成人高潮视频无遮挡免费网站| 2021天堂中文幕一二区在线观| 国产成年人精品一区二区| 中国美女看黄片| 国产精品久久电影中文字幕| 亚洲色图av天堂| 在线视频色国产色| 亚洲aⅴ乱码一区二区在线播放 | 99在线人妻在线中文字幕| 国产精华一区二区三区| 久久午夜综合久久蜜桃| 不卡一级毛片| 国产一区二区激情短视频| 成人手机av| 亚洲一卡2卡3卡4卡5卡精品中文| 国模一区二区三区四区视频 | 丁香欧美五月| 人人妻,人人澡人人爽秒播| 国产精品影院久久| 又粗又爽又猛毛片免费看| 欧美在线黄色| 国产蜜桃级精品一区二区三区| 亚洲av成人av| 久久中文字幕人妻熟女| 大型av网站在线播放| 母亲3免费完整高清在线观看| 桃红色精品国产亚洲av| 一进一出抽搐动态| 国产久久久一区二区三区| 亚洲人成网站高清观看| 国产成+人综合+亚洲专区| 国产视频一区二区在线看| 国产主播在线观看一区二区| 免费搜索国产男女视频| 国产在线精品亚洲第一网站| 91字幕亚洲| 亚洲精品美女久久久久99蜜臀| 亚洲一码二码三码区别大吗| 黄频高清免费视频| www日本在线高清视频| 老司机靠b影院| 男女做爰动态图高潮gif福利片| 村上凉子中文字幕在线| 亚洲av中文字字幕乱码综合| 日本熟妇午夜| 在线a可以看的网站| 大型黄色视频在线免费观看| 国产精品久久久av美女十八| 免费电影在线观看免费观看| 欧美性猛交╳xxx乱大交人| 久久精品成人免费网站| 久久香蕉激情| 欧美3d第一页| 国产精品一区二区免费欧美| 亚洲国产日韩欧美精品在线观看 | 一边摸一边抽搐一进一小说| 丝袜人妻中文字幕| 精品一区二区三区四区五区乱码| 欧美中文综合在线视频| 好看av亚洲va欧美ⅴa在| 久热爱精品视频在线9| 999久久久精品免费观看国产| 精品国产美女av久久久久小说| 亚洲精品一卡2卡三卡4卡5卡| 两个人的视频大全免费| 亚洲精品一区av在线观看| 一进一出好大好爽视频| 一二三四社区在线视频社区8| 男女之事视频高清在线观看| 欧美乱妇无乱码| 性欧美人与动物交配| 亚洲天堂国产精品一区在线| 9191精品国产免费久久| 精品不卡国产一区二区三区| 日韩精品青青久久久久久| 欧美日本亚洲视频在线播放| 日韩欧美三级三区| 香蕉丝袜av| 十八禁人妻一区二区| 九色国产91popny在线| 在线观看www视频免费| 国产精品免费一区二区三区在线| 成人午夜高清在线视频| 欧美色欧美亚洲另类二区| 久久热在线av| 亚洲国产日韩欧美精品在线观看 | 精品日产1卡2卡| 欧美最黄视频在线播放免费| 老熟妇乱子伦视频在线观看| 亚洲真实伦在线观看| АⅤ资源中文在线天堂| 丝袜人妻中文字幕| 精品久久久久久久久久久久久| 无限看片的www在线观看| 欧美精品亚洲一区二区| 国产av在哪里看| 欧美午夜高清在线| 精品免费久久久久久久清纯| 久久精品成人免费网站| 国产亚洲欧美98| 两个人看的免费小视频| 在线十欧美十亚洲十日本专区| 黄色 视频免费看| 此物有八面人人有两片| 久久婷婷人人爽人人干人人爱| 欧美性猛交黑人性爽| 一边摸一边抽搐一进一小说| 午夜激情福利司机影院| 国产精品一区二区免费欧美| 欧美性长视频在线观看| www.自偷自拍.com| 中文字幕人成人乱码亚洲影| 免费电影在线观看免费观看| 啪啪无遮挡十八禁网站| 1024香蕉在线观看| 舔av片在线| 国产黄色小视频在线观看| 亚洲国产欧美一区二区综合| 一个人免费在线观看电影 | 18禁观看日本| 国产一区二区在线观看日韩 | 午夜精品一区二区三区免费看| 婷婷亚洲欧美| 国产精品久久久久久亚洲av鲁大| 国产私拍福利视频在线观看| 日本免费a在线| 久99久视频精品免费| 精品久久久久久成人av| 国产伦在线观看视频一区| 亚洲一区二区三区色噜噜| 国产主播在线观看一区二区| 少妇裸体淫交视频免费看高清 | 男男h啪啪无遮挡| 国产男靠女视频免费网站| 天天躁夜夜躁狠狠躁躁| 亚洲国产欧美人成| 久久久国产成人精品二区| 亚洲av五月六月丁香网| 国产欧美日韩一区二区三| 久久香蕉激情| 99国产精品一区二区三区| 在线观看一区二区三区| 1024手机看黄色片| 亚洲va日本ⅴa欧美va伊人久久| 国产免费av片在线观看野外av| 亚洲一卡2卡3卡4卡5卡精品中文| 白带黄色成豆腐渣| 亚洲精品美女久久av网站| 女警被强在线播放| 久久久精品大字幕| 国产亚洲精品久久久久久毛片| 日本五十路高清| 18禁黄网站禁片免费观看直播| 深夜精品福利| 男女床上黄色一级片免费看| 18禁裸乳无遮挡免费网站照片| 国产精品永久免费网站| 日本熟妇午夜| 国产99白浆流出| 欧美日本亚洲视频在线播放| 国产精品香港三级国产av潘金莲| 日本免费a在线| xxxwww97欧美| 日日夜夜操网爽| 国产亚洲精品久久久久久毛片| 亚洲片人在线观看| 嫩草影院精品99| 精品熟女少妇八av免费久了| 久久国产精品人妻蜜桃| 亚洲专区国产一区二区| 成人三级黄色视频| 亚洲狠狠婷婷综合久久图片| 非洲黑人性xxxx精品又粗又长| 淫妇啪啪啪对白视频| 黄色成人免费大全| 一二三四社区在线视频社区8| 女人被狂操c到高潮| 欧美三级亚洲精品| 亚洲国产精品成人综合色| 一级毛片女人18水好多| 日本 av在线| 麻豆成人午夜福利视频| 一级黄色大片毛片| 精品免费久久久久久久清纯| 一区二区三区国产精品乱码| 两个人免费观看高清视频| 可以在线观看的亚洲视频| 老司机深夜福利视频在线观看| 88av欧美| 成人18禁在线播放| 久久国产乱子伦精品免费另类| 日韩大码丰满熟妇| 欧美激情久久久久久爽电影| 淫秽高清视频在线观看| 精品国产乱子伦一区二区三区| 亚洲自拍偷在线| 男人的好看免费观看在线视频 | 国产成人精品久久二区二区91| 免费在线观看日本一区| 亚洲片人在线观看| 国产精品亚洲av一区麻豆| 国产亚洲av高清不卡| 久久中文字幕人妻熟女| 麻豆一二三区av精品| avwww免费| 99久久国产精品久久久| 999精品在线视频| 听说在线观看完整版免费高清| 天堂影院成人在线观看| 97人妻精品一区二区三区麻豆| 亚洲成av人片免费观看| 国产精品免费视频内射| 国产亚洲精品久久久久5区| 午夜久久久久精精品| av中文乱码字幕在线| 午夜福利视频1000在线观看| 亚洲一区中文字幕在线| 国产三级黄色录像| 九色国产91popny在线| 丁香欧美五月| 国内精品久久久久久久电影| 老汉色∧v一级毛片| 亚洲国产精品成人综合色| 色综合婷婷激情| 久久中文看片网| 欧美3d第一页| 男人舔奶头视频| 日本一二三区视频观看| 欧美精品啪啪一区二区三区| 国产亚洲欧美在线一区二区| 熟女少妇亚洲综合色aaa.| 91字幕亚洲| 午夜免费激情av| 亚洲国产精品合色在线| 久久中文字幕人妻熟女| 看黄色毛片网站| 欧美黄色片欧美黄色片| 色尼玛亚洲综合影院| av天堂在线播放| 午夜福利视频1000在线观看| 手机成人av网站| 色综合站精品国产| 久久久精品大字幕| 在线免费观看的www视频| 又爽又黄无遮挡网站| 一进一出抽搐gif免费好疼| 精品久久久久久久末码| 欧美日韩瑟瑟在线播放| 精品免费久久久久久久清纯| 国产精品亚洲美女久久久| 黄色视频不卡| 两个人看的免费小视频| 国产蜜桃级精品一区二区三区| 亚洲成人久久爱视频| 欧美精品啪啪一区二区三区| 国产精品一区二区三区四区久久| 毛片女人毛片| 免费观看精品视频网站| 亚洲 国产 在线| 制服丝袜大香蕉在线| 亚洲第一电影网av| 久久久久久免费高清国产稀缺| 岛国视频午夜一区免费看| 日本一区二区免费在线视频| 欧美高清成人免费视频www| 久久久久久九九精品二区国产 | 日本在线视频免费播放| 国产精品98久久久久久宅男小说| 日本精品一区二区三区蜜桃| 三级毛片av免费| 50天的宝宝边吃奶边哭怎么回事| 黄色 视频免费看| 国产精品爽爽va在线观看网站| 麻豆国产av国片精品| 亚洲天堂国产精品一区在线| 亚洲电影在线观看av| 国产精品九九99| 亚洲一区高清亚洲精品| 欧美激情久久久久久爽电影| 欧美av亚洲av综合av国产av| 精品久久久久久久末码| 啦啦啦观看免费观看视频高清| 午夜精品久久久久久毛片777| 国产成人啪精品午夜网站| 曰老女人黄片| 国产三级在线视频| 国产精品日韩av在线免费观看| 欧美色欧美亚洲另类二区| 中文资源天堂在线| 亚洲专区中文字幕在线| 国产一区二区在线av高清观看| 国产熟女午夜一区二区三区| 波多野结衣巨乳人妻| 黄色 视频免费看| 久久中文字幕一级| 丰满人妻熟妇乱又伦精品不卡| 黑人巨大精品欧美一区二区mp4| 午夜免费观看网址| 午夜免费激情av| 亚洲av成人精品一区久久| 欧美又色又爽又黄视频| 日韩av在线大香蕉| 国内精品久久久久精免费| 色在线成人网| 欧美丝袜亚洲另类 | 国产精品香港三级国产av潘金莲| 一卡2卡三卡四卡精品乱码亚洲| 国产三级在线视频| 女人被狂操c到高潮| 人人妻,人人澡人人爽秒播| 欧美日韩福利视频一区二区| 一区二区三区高清视频在线| 欧美日韩一级在线毛片| 一区二区三区高清视频在线| 可以在线观看的亚洲视频| 三级国产精品欧美在线观看 | 一级毛片女人18水好多| 亚洲精品美女久久av网站| 两个人看的免费小视频| 天堂动漫精品| 精品国产乱子伦一区二区三区| 欧美黄色片欧美黄色片| 欧美一级a爱片免费观看看 | 无限看片的www在线观看| 视频区欧美日本亚洲| 国内精品久久久久精免费| 亚洲av美国av| 淫妇啪啪啪对白视频| 欧美黄色片欧美黄色片| 中文字幕久久专区| 国产一区二区激情短视频| 亚洲 欧美一区二区三区| www.999成人在线观看| 日本一本二区三区精品| 亚洲av美国av| 脱女人内裤的视频| 亚洲精品粉嫩美女一区| 99国产精品99久久久久| 亚洲无线在线观看| 国产亚洲精品综合一区在线观看 | 正在播放国产对白刺激| 男人舔女人的私密视频| 午夜免费激情av| 国产伦一二天堂av在线观看| 国产av不卡久久| 久久伊人香网站| 亚洲成人久久性| 色精品久久人妻99蜜桃| 搞女人的毛片| 欧美黑人欧美精品刺激| aaaaa片日本免费| 国产亚洲精品久久久久久毛片| 国产精品自产拍在线观看55亚洲| 高潮久久久久久久久久久不卡| 一进一出抽搐gif免费好疼| 久久精品综合一区二区三区| 级片在线观看| 老熟妇乱子伦视频在线观看| 国产高清激情床上av| 三级毛片av免费| 亚洲午夜精品一区,二区,三区| 女生性感内裤真人,穿戴方法视频| 可以免费在线观看a视频的电影网站| 两个人的视频大全免费| 国产精品av久久久久免费| 精品午夜福利视频在线观看一区| 身体一侧抽搐| or卡值多少钱| 校园春色视频在线观看| 亚洲熟女毛片儿| 五月玫瑰六月丁香| 首页视频小说图片口味搜索| 久久久久久免费高清国产稀缺| 久久人妻福利社区极品人妻图片| 亚洲在线自拍视频| 国产av在哪里看| 久久天躁狠狠躁夜夜2o2o| 日日夜夜操网爽| 两个人免费观看高清视频| 女警被强在线播放| 欧美激情久久久久久爽电影| 久久精品综合一区二区三区| 法律面前人人平等表现在哪些方面| 18禁观看日本| 国产成人影院久久av| 亚洲 欧美一区二区三区| 长腿黑丝高跟| 中文字幕高清在线视频| 日韩欧美免费精品| 老司机在亚洲福利影院| 国产成人影院久久av| 999久久久精品免费观看国产| 午夜精品久久久久久毛片777| 大型黄色视频在线免费观看| 国产亚洲欧美98| 一级a爱片免费观看的视频| 亚洲精品国产一区二区精华液| 日韩欧美一区二区三区在线观看| 亚洲人成网站高清观看| 国产亚洲欧美在线一区二区| 无限看片的www在线观看| 国产成人精品无人区| 亚洲av五月六月丁香网| 俺也久久电影网| 精品一区二区三区视频在线观看免费| 国产真实乱freesex| 波多野结衣高清无吗| 亚洲一区高清亚洲精品| 男女做爰动态图高潮gif福利片| 制服人妻中文乱码| 国产精品九九99| 搡老熟女国产l中国老女人| 制服丝袜大香蕉在线| 老熟妇乱子伦视频在线观看| 久久性视频一级片| 午夜福利高清视频| 成人国语在线视频| 色哟哟哟哟哟哟| 久久精品91无色码中文字幕| 香蕉久久夜色| 国内揄拍国产精品人妻在线| 精品无人区乱码1区二区| 国产精品久久久久久久电影 | 色哟哟哟哟哟哟| 午夜福利在线观看吧| 亚洲一区中文字幕在线| 久久中文字幕人妻熟女| 国产1区2区3区精品| 亚洲18禁久久av| 丰满人妻熟妇乱又伦精品不卡| 国产精品av久久久久免费| 午夜激情福利司机影院| 国产真人三级小视频在线观看| www.熟女人妻精品国产| 十八禁网站免费在线| 国产成人精品久久二区二区免费| 18禁美女被吸乳视频| 午夜激情av网站| 黄片大片在线免费观看| 日韩免费av在线播放| 欧美丝袜亚洲另类 | 岛国在线免费视频观看| 女同久久另类99精品国产91| 亚洲成人久久爱视频| 天天躁狠狠躁夜夜躁狠狠躁| 国产片内射在线| 天堂动漫精品| 香蕉久久夜色| 免费看十八禁软件| 男人舔女人的私密视频| 成人三级做爰电影| 深夜精品福利| 好看av亚洲va欧美ⅴa在| 99国产精品一区二区蜜桃av| 日本黄色视频三级网站网址| 老司机午夜十八禁免费视频| 国内揄拍国产精品人妻在线| 脱女人内裤的视频| 男女之事视频高清在线观看| 国产精品久久久久久久电影 | 成年人黄色毛片网站| 好男人电影高清在线观看| 女人被狂操c到高潮| 一进一出好大好爽视频| 精品高清国产在线一区| 久久久久久久精品吃奶| 老司机靠b影院| 亚洲一区高清亚洲精品| 1024香蕉在线观看| 国产亚洲精品综合一区在线观看 | 悠悠久久av| 亚洲一区高清亚洲精品| 亚洲成人国产一区在线观看| 男男h啪啪无遮挡| 国产成人精品无人区| 欧美日韩黄片免| 亚洲人成伊人成综合网2020| avwww免费| 看免费av毛片| 日本免费a在线| 亚洲成人免费电影在线观看| 97超级碰碰碰精品色视频在线观看| 亚洲美女视频黄频| 免费一级毛片在线播放高清视频| 亚洲欧美一区二区三区黑人| 日韩中文字幕欧美一区二区| 两人在一起打扑克的视频| 国产免费av片在线观看野外av| 丁香六月欧美| 免费搜索国产男女视频| 黄色 视频免费看| 久久精品国产99精品国产亚洲性色| 国产精品久久久久久精品电影| 丁香六月欧美| 一个人观看的视频www高清免费观看 | 男人的好看免费观看在线视频 | svipshipincom国产片| 黄色视频不卡| 白带黄色成豆腐渣| 国产真实乱freesex| www日本黄色视频网| 国内精品久久久久精免费| 国产黄色小视频在线观看| 欧美三级亚洲精品| 久久精品国产99精品国产亚洲性色| 99热只有精品国产| 韩国av一区二区三区四区| 日韩高清综合在线| 欧美日本亚洲视频在线播放| 九色国产91popny在线| 叶爱在线成人免费视频播放| 一边摸一边做爽爽视频免费| 亚洲成a人片在线一区二区| 国产精品一及| 亚洲国产日韩欧美精品在线观看 | 亚洲七黄色美女视频| 动漫黄色视频在线观看| 狂野欧美激情性xxxx| 日韩欧美三级三区| 超碰成人久久| 久久香蕉激情| 久久精品夜夜夜夜夜久久蜜豆 | 免费电影在线观看免费观看| 欧美日韩国产亚洲二区| 久久性视频一级片| 丁香欧美五月| 窝窝影院91人妻| 啪啪无遮挡十八禁网站| 精品电影一区二区在线| 国产精品永久免费网站| 成在线人永久免费视频| 国产精品久久久久久久电影 | 亚洲人与动物交配视频| 黄色女人牲交| 在线国产一区二区在线| 俺也久久电影网| 久久国产乱子伦精品免费另类| 亚洲av成人精品一区久久| 亚洲av第一区精品v没综合| 人妻夜夜爽99麻豆av| 91麻豆av在线| 老汉色av国产亚洲站长工具| 亚洲国产精品合色在线| 黄色片一级片一级黄色片| 一进一出好大好爽视频| 国产伦在线观看视频一区| 一本一本综合久久| 国产真人三级小视频在线观看| 成人欧美大片| 老鸭窝网址在线观看| 99国产极品粉嫩在线观看| 天堂影院成人在线观看| 国产亚洲精品久久久久5区| 黄色 视频免费看| 蜜桃久久精品国产亚洲av| 国产一区二区三区在线臀色熟女| 一区二区三区激情视频| 亚洲欧美精品综合久久99| 久久久久久国产a免费观看| 小说图片视频综合网站| 性欧美人与动物交配| 天堂√8在线中文| 777久久人妻少妇嫩草av网站| 老司机午夜十八禁免费视频| 深夜精品福利| 亚洲av五月六月丁香网| 日本撒尿小便嘘嘘汇集6| 亚洲男人天堂网一区| 99国产精品一区二区三区| 可以在线观看的亚洲视频| 香蕉av资源在线| 欧美 亚洲 国产 日韩一| 欧美日韩一级在线毛片| 一进一出好大好爽视频| 欧美 亚洲 国产 日韩一| 欧美日韩一级在线毛片| 久久天堂一区二区三区四区| 欧美乱色亚洲激情| 99在线视频只有这里精品首页| 婷婷六月久久综合丁香| 香蕉久久夜色| av福利片在线| 午夜免费观看网址| 特级一级黄色大片| 女警被强在线播放| 精品乱码久久久久久99久播| 亚洲一区中文字幕在线| 国产日本99.免费观看| 国产精品一区二区三区四区久久| 亚洲自偷自拍图片 自拍| 1024视频免费在线观看| 国产高清视频在线播放一区| 国产69精品久久久久777片 | 国产三级黄色录像| 久久久久国产精品人妻aⅴ院| 亚洲欧美日韩高清专用|