• <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 ?

    神經(jīng)網(wǎng)絡(luò)融合引力場(chǎng)的超寬帶定位模型

    2022-06-19 22:39:55王安義曹茜
    關(guān)鍵詞:BP神經(jīng)網(wǎng)絡(luò)

    王安義 曹茜

    摘要:為研究非視距(NLOS)誤差對(duì)超寬帶(UWB)室內(nèi)定位系統(tǒng)定位精度的影響,以BP神經(jīng)網(wǎng)絡(luò)優(yōu)化超寬帶定位模型為基礎(chǔ),針對(duì)BP神經(jīng)網(wǎng)絡(luò)用于超寬帶定位收斂速度慢、易陷入局部極值等問題,利用引力場(chǎng)算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值。模型利用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的預(yù)測(cè)值和期望值之間的絕對(duì)誤差衡量灰塵質(zhì)量,確定中心灰塵;利用移動(dòng)因子,周圍灰塵快速向中心灰塵靠攏,加快BP神經(jīng)網(wǎng)絡(luò)的收斂速度;通過自轉(zhuǎn)因子作用,避免灰塵過度集中于中心灰塵,改善BP神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)的問題。以IEEE802.15.4a標(biāo)準(zhǔn)下CM4超寬帶信道模型模擬室內(nèi)NLOS環(huán)境,結(jié)果表明:定位模型的均方根誤差為7.95 cm,較基于粒子群優(yōu)化BP網(wǎng)絡(luò)定位模型減少了53%,較傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)超寬帶定位模型減少了64.41%;同時(shí),90%定位誤差控制在12.75 cm以內(nèi),較粒子群優(yōu)化BP網(wǎng)絡(luò)定位精度提升50.92%,較傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)超寬帶定位精度提升64.55%。定位模型定位誤差小、收斂速度快、魯棒性好,對(duì)實(shí)現(xiàn)實(shí)際室內(nèi)復(fù)雜環(huán)境下高精度定位具有一定的參考價(jià)值。

    關(guān)鍵詞:引力場(chǎng)算法;BP神經(jīng)網(wǎng)絡(luò);到達(dá)時(shí)間差;非視距;超寬帶室內(nèi)定位

    中圖分類號(hào):TP 393.0文獻(xiàn)標(biāo)志碼:A

    文章編號(hào):1672-9315(2022)03-0555-07

    DOI:10.13800/j.cnki.xakjdxxb.2022.0319開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):

    Ultra-wideband localization model based on neural

    network fusion gravitational field algorithm

    WANG Anyi,CAO Xi

    (College of Communication and Information? Engineering,Xi’an University of Science and Technology,Xi’an 710054,China)Abstract:To study the effect of non-line-of-sight(NLOS)errors on the positioning accuracy of ultra-wideband(UWB)indoor positioning system,the initial weights and thresholds of the BP neural network,based on the BP neural network optimized ultra-wideband positioning model are improved using the gravitational field algorithm for the problems of slow convergence or easy falling into local extremes of BP neural network for ultra-wideband positioning.The absolute error is used in the model between the predicted and expected values of the BP neural network training to measure the dust quality and determine the central dust.And through the role of the movement factor,the surrounding dust quickly converges to the central dust to accelerate the convergence speed of the BP neural network;through the role of the rotation factor,the dust is avoided to be overly concentrated in the central dust to alleviate the situation in which the BP neural network is easy to fall into the local optimum.The results show that the root-mean-square error of the localization model is 7.95 cm,which is 53% less than that of the particle swarm optimization-based BP network localization model,and 64.41% less than that of the traditional BP neural network ultra-wideband localization model;meanwhile,90% of the localization error is controlled within 12.75 cm.The localization accuracy is improved by 50.92% compared with the particle swarm optimization BP network and by 64.55% with the traditional BP neural network ultra-wideband localization model.It is verified that the proposed localization model has smaller localization error,faster convergence and stronger robustness,which provides guidance high-precision localization in real indoor complex environment.

    Key words:gravitation field algorithm;BP neural network;time difference of arrival;non-line of sight;ultra-wideband indoor positioning

    0引言

    智能家居、煤礦井下、消防救援等場(chǎng)景都需要獲得高精度的室內(nèi)定位信息,超寬帶(ultra wide band,UWB)技術(shù)因具有分辨率高、抗多徑效應(yīng)、穿透性強(qiáng)、硬件結(jié)構(gòu)簡(jiǎn)單、頻譜利用率高等優(yōu)點(diǎn)成為室內(nèi)定位首選。

    復(fù)雜的室內(nèi)環(huán)境存在人員、墻體以及其他障礙物,給定位系統(tǒng)帶來不可避免的非視距(non-line of sight,NLOS)誤差和多徑干擾,因此如何降低或消除NLOS誤差成為UWB室內(nèi)定位研究的熱點(diǎn)[1]。UWB定位中基于測(cè)距常用的算法有基于信號(hào)到達(dá)強(qiáng)度(RSSI)、到達(dá)角度(AOA)、到達(dá)時(shí)間(TOA)和到達(dá)時(shí)間差(TDOA)等方法[2]。TDOA方法因其時(shí)鐘同步要求低、設(shè)備簡(jiǎn)單、定位精度較高而被廣泛研究。為降低NLOS誤差和提高定位精度,反向傳播算法[3](back propagation,BP)、卷積神經(jīng)網(wǎng)絡(luò)[4](convolutional neural networks,CNN)、遺傳算法(genetic algorithm,GA)[5]、粒子群算法(particle swarm optimization,PSO)[6]等智能算法被應(yīng)用到無線定位領(lǐng)域。Poulose Alwin等提出一種在視距(line of sight,LOS)環(huán)境下基于長(zhǎng)短期記憶網(wǎng)絡(luò)(long short-termmemory,LSTM)的超寬帶定位方法,平均定位誤差為7 cm[7]。王生亮等通過改進(jìn)的實(shí)數(shù)自適應(yīng)遺傳算法優(yōu)化TDOA定位算法,提高UWB信號(hào)在復(fù)雜環(huán)境下的定位精度[8]。崔麗珍等提出一種基于PSO-BP神經(jīng)網(wǎng)絡(luò)的定位算法,利用PSO算法對(duì)BP神經(jīng)網(wǎng)絡(luò)各個(gè)神經(jīng)元之間的權(quán)值進(jìn)行尋優(yōu),實(shí)現(xiàn)定位性能的提升[9]。NGUYEN等在定位過程中,將典型的測(cè)距和定位階段整合在一起,同時(shí)由所提出的CNN模型進(jìn)行定位,其定位性能的提升是通過增加計(jì)算復(fù)雜度為代價(jià)實(shí)現(xiàn)的[10]。MEGHANI等利用模糊模型通過NLOS誤差和多路徑(multipath propagation,MPP)傳播條件引起的不確定性對(duì)測(cè)距誤差進(jìn)行估計(jì)和校正,能有效地減小測(cè)距誤差和計(jì)算量[11]。陳浩等提出一種基于井下隧道不同環(huán)境的聯(lián)合定位算法,在LOS情況下使用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)算法來提高作業(yè)效率和定位精度,而在NLOS情況下改用粒子過濾,在所有環(huán)境下的定位效率顯著提高[12]。

    為有效緩解NLOS誤差和提高定位精度,以BP神經(jīng)網(wǎng)絡(luò)超寬帶定位模型為基礎(chǔ),針對(duì)BP神經(jīng)網(wǎng)絡(luò)用于超寬帶定位時(shí),存在收斂速度慢、易陷入局部極值等問題,提出一種BP神經(jīng)網(wǎng)絡(luò)融合引力場(chǎng)的超寬帶定位模型。模型利用仿真數(shù)據(jù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò),通過引力場(chǎng)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,實(shí)現(xiàn)目標(biāo)精準(zhǔn)定位。

    1室內(nèi)定位模型

    1.1到達(dá)時(shí)間差定位模型

    1.2BP神經(jīng)網(wǎng)絡(luò)超寬帶定位模型

    BP神經(jīng)網(wǎng)絡(luò)可通過學(xué)習(xí)數(shù)據(jù)來解決非線性問題,包括信號(hào)的正向傳播和誤差的反向修正2個(gè)過程。利用BP神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性逼近能力來緩解NLOS誤差,以提高定位性能。

    BP神經(jīng)網(wǎng)絡(luò)超寬帶定位模型中BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)(圖1),輸入層由參與定位的8個(gè)基站提供的7個(gè)TDOA測(cè)量值組成,輸出層為MS的估計(jì)位置(x,y)。

    針對(duì)定位問題完成BP神經(jīng)網(wǎng)絡(luò)構(gòu)建后,初始化BP神經(jīng)網(wǎng)絡(luò)參數(shù)。輸入信息通過神經(jīng)元激活函數(shù)、權(quán)重及閾值前向傳遞至輸出層。判斷輸出信息與期望信息的誤差是否滿足需求,或迭代次數(shù)否達(dá)到上限。滿足上述任意結(jié)束條件,訓(xùn)練結(jié)束,否則反向傳遞輸出層誤差,以降低誤差為目標(biāo)利用最速下降法更新權(quán)重與閾值。

    1.3引力場(chǎng)算法

    引力場(chǎng)算法(gravitation field algorithm,GFA)[13]是鄭明等提出的一種新穎的啟發(fā)式搜索算法,廣泛應(yīng)用于生物工程、算法優(yōu)化、復(fù)雜網(wǎng)絡(luò)和粒子濾波領(lǐng)域[14-19]。算法模仿灰塵在宇宙中相互吸引匯集,形成行星的變化過程,可作為優(yōu)化問題的最優(yōu)解[20]。

    灰塵初始化。在質(zhì)量函數(shù)的自變量范圍內(nèi)隨機(jī)初始化N個(gè)灰塵粒子,作為優(yōu)化問題的初始解空間。在可行域內(nèi)利用質(zhì)量函數(shù)F,即可求得每個(gè)灰塵粒子的初始質(zhì)量M?;覊m的質(zhì)量值是衡量灰塵優(yōu)劣的重要指標(biāo),令灰塵質(zhì)量值最小的灰塵為中心灰塵,其余灰塵稱為周圍灰塵。

    移動(dòng)算子。不同于實(shí)際物理模型中灰塵之間相向的引力作用,引力場(chǎng)算法在當(dāng)前移動(dòng)算子迭代步驟內(nèi)中心灰塵不會(huì)移動(dòng),其他周圍灰塵會(huì)朝著中心灰塵單向移動(dòng),移動(dòng)策略見式(3)

    P=M×dis (3)

    式中dis為中心灰塵和周圍灰塵之間的歐氏距離;M為移動(dòng)距離的權(quán)重值。

    吸收算子。周圍灰塵受中心灰塵單向引力作用向其靠近,當(dāng)周圍灰塵與中心灰塵之間的距離小于一定的閾值時(shí),周圍灰塵被中心灰塵吸收。吸收策略為刪除相應(yīng)的周圍灰塵,減少下一次迭代過程中冗余的計(jì)算。

    自轉(zhuǎn)算子。周圍灰塵不僅受到中心灰塵的引力作用,同時(shí)受到中心灰塵自轉(zhuǎn)的影響。自轉(zhuǎn)操作是中心灰塵通過自旋轉(zhuǎn)將周圍灰塵推離,使兩者始終保持一定距離的過程,推離策略見式(4)

    式中f為自轉(zhuǎn)因子,與中心灰塵和周圍灰塵之間距離成反比例關(guān)系。為避免周圍灰塵被推離太遠(yuǎn),設(shè)置一個(gè)最大自轉(zhuǎn)因子f,保證算法的收斂速度。

    2超寬帶定位模型2.1超寬帶定位原理

    引力場(chǎng)算法具有收斂速度快、全局尋優(yōu)能力強(qiáng)的特點(diǎn),模型中的引力作用使優(yōu)化對(duì)象快速集中地分布在真實(shí)狀態(tài)附近,自轉(zhuǎn)作用使優(yōu)化對(duì)象避免過度集中。為緩解BP神經(jīng)網(wǎng)絡(luò)超寬帶定位模型,容易陷入局部最優(yōu)、收斂速度慢等缺點(diǎn),提出一種BP神經(jīng)網(wǎng)絡(luò)融合引力場(chǎng)的超寬帶定位模型(圖2)。

    BP神經(jīng)網(wǎng)絡(luò)融合引力場(chǎng)的超寬帶定位模型,主要分為BP神經(jīng)網(wǎng)絡(luò)構(gòu)建和引力場(chǎng)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)由數(shù)據(jù)集的輸入輸出參數(shù)個(gè)數(shù)確定;引力場(chǎng)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型利用引力場(chǎng)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,具體優(yōu)化過程為:引力場(chǎng)算法每?;覊m中包含一個(gè)網(wǎng)絡(luò)所有權(quán)值和閾值,利用質(zhì)量函數(shù)計(jì)算灰塵的質(zhì)量值,通過迭代灰塵間的移動(dòng)、排斥操作找到較小質(zhì)量值對(duì)應(yīng)的灰塵,得到引力場(chǎng)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的較優(yōu)初始權(quán)值和閾值,通過LM算法更新權(quán)值和閾值訓(xùn)練網(wǎng)絡(luò)。網(wǎng)絡(luò)預(yù)測(cè)將測(cè)試數(shù)據(jù)集輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,輸出預(yù)測(cè)目標(biāo)的定位坐標(biāo)。

    2.2超寬帶定位過程

    初始化網(wǎng)絡(luò)參數(shù)。確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),初始化BP神經(jīng)網(wǎng)絡(luò)權(quán)值ω,ω和閾值a,b,同時(shí)將權(quán)值和閾值映射為引力場(chǎng)算法中的每?;覊m。

    確定灰塵質(zhì)量。將預(yù)測(cè)輸出和期望輸出之間的誤差絕對(duì)值和作為灰塵的質(zhì)量。質(zhì)量函數(shù)的表達(dá)見式(5)

    式中n為網(wǎng)絡(luò)輸出節(jié)點(diǎn);y為BP神經(jīng)網(wǎng)絡(luò)第i個(gè)節(jié)點(diǎn)的期望輸出;o為第i個(gè)節(jié)點(diǎn)的預(yù)測(cè)輸出。將質(zhì)量小的灰塵定義為中心灰塵,其余灰塵為周圍灰塵。

    周圍灰塵移動(dòng)。周圍灰塵受到中心灰塵的單向引力作用,發(fā)生移動(dòng)。判斷移動(dòng)因子是否起作用,當(dāng)周圍灰塵與中心灰塵之間的距離小于0.5時(shí),移動(dòng)因子失效;否則,利用公式(3)計(jì)算周圍灰塵受中心灰塵引力的作用。

    中心灰塵自轉(zhuǎn)。中心灰塵通過自轉(zhuǎn)作用,與周圍灰塵始終保持一定距離。判斷自轉(zhuǎn)因子是否起作用,當(dāng)周圍灰塵與中心灰塵之間的距離大于0.2時(shí),自轉(zhuǎn)因子失效;否則,利用公式(4)計(jì)算周圍灰塵受中心灰塵排斥力的作用。

    判斷是否結(jié)束。檢查引力場(chǎng)算法迭代次數(shù)是否達(dá)到最大迭代次數(shù),若不滿足條件,返回確定灰塵質(zhì)量步驟,直至滿足條件,從而獲得引力場(chǎng)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的較優(yōu)初始權(quán)值和閾值。

    實(shí)驗(yàn)驗(yàn)證。利用測(cè)試數(shù)據(jù)集,仿真驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)融合引力場(chǎng)的超寬帶定位模型的性能。

    3結(jié)果與分析

    3.1仿真環(huán)境與參數(shù)設(shè)置

    采用MATLAB模擬室內(nèi)NLOS環(huán)境下UWB定位,基站數(shù)量的增加可以提升定位精度。因此,選擇在20 m×20 m的二維平面區(qū)域內(nèi)設(shè)置8個(gè)基站BS(i=1,2,…,8),分布位置分別為BS(0,0),BS(0,10),BS(0,20),BS(10,20),BS(20,20),BS(20,10),BS(20,0),BS(10,0),BS為主基站。UWB信道模型選擇IEEE80215.4a標(biāo)準(zhǔn)下的CM4模型(NLOS環(huán)境下的室內(nèi)辦公環(huán)境)。目標(biāo)MS發(fā)射的UWB信號(hào)源為PPM-TH-UWB調(diào)制模式。UWB信號(hào)經(jīng)過與信道沖激響應(yīng)卷積之后再加入白噪聲,最后在輸出端通過相關(guān)器接收,從而得到TDOA(i=1,2,…,8)數(shù)據(jù)(圖3)。

    為檢驗(yàn)各定位模型的性能,根據(jù)仿真環(huán)境隨機(jī)生成1 000組MS真實(shí)坐標(biāo)(x,y),計(jì)算對(duì)應(yīng)的TDOA(i=1,2,…,8)數(shù)據(jù),其中800組數(shù)據(jù)用于訓(xùn)練引力場(chǎng)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型,以目標(biāo)MS的真實(shí)坐標(biāo)(x,y)為目標(biāo)樣本矢量對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練;200組數(shù)據(jù)用于驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)融合引力場(chǎng)算法的超寬帶定位模型的性能。

    BP神經(jīng)網(wǎng)絡(luò)定位模型輸入節(jié)點(diǎn)數(shù)為7,輸出節(jié)點(diǎn)數(shù)為2,根據(jù)經(jīng)驗(yàn)公式多次進(jìn)行實(shí)驗(yàn),確定隱含層神經(jīng)元個(gè)數(shù)l為11,隱含層激勵(lì)函數(shù)f1為logsig函數(shù),輸出層激勵(lì)函數(shù)f為pureline函數(shù),最大迭代次數(shù)為100,期望誤差為0000 01,學(xué)習(xí)速率為0.01。

    粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)超寬帶(PSO-BP)定位模型參數(shù)設(shè)置如下:認(rèn)知系數(shù)c=1.5,社會(huì)學(xué)習(xí)系數(shù)c=1.495,種群規(guī)模N=40,最大迭代次數(shù)D=100,其余參數(shù)同BP神經(jīng)網(wǎng)絡(luò)定位模型設(shè)置相同。

    BP神經(jīng)網(wǎng)絡(luò)融合引力場(chǎng)超寬帶(GFA-BP)定位模型參數(shù)設(shè)置如下:利用LM算法更新權(quán)值和閾值,移動(dòng)距離的權(quán)重值M=0.061 8,自轉(zhuǎn)因子f=0008 25,最大自轉(zhuǎn)因子f=0.3,初始種群N=40,最大迭代次數(shù)D=100,其余參數(shù)同BP神經(jīng)網(wǎng)絡(luò)定位模型設(shè)置相同。

    3.2實(shí)驗(yàn)結(jié)果與性能分析

    將200組TDOA值輸入GFA-BP定位模型、PSO-BP定位模型和BP神經(jīng)網(wǎng)絡(luò)定位模型,得到各模型預(yù)測(cè)的MS坐標(biāo)。隨機(jī)選取測(cè)試集中50組預(yù)測(cè)誤差進(jìn)行對(duì)比(圖4),NLOS仿真環(huán)境下GFA-BP模型定位精確度優(yōu)于PSO-BP定位模型和BP神經(jīng)網(wǎng)絡(luò)定位模型,且魯棒性較好。

    表1為3種定位模型的最大誤差、最小誤差和均方根誤差(root mean square error,RMSE),GFA-BP定位模型的均方根誤差為7.95 cm,相較于PSO-BP定位模型的17.21 cm和BP神經(jīng)網(wǎng)絡(luò)定位模型的22.34 cm,分析知定位誤差分別下降了5381%和64.41%。在以上3種不同定位模型中,GFA-BP模型定位精度較高。

    引力場(chǎng)定位模型中“適應(yīng)度”對(duì)應(yīng)引力場(chǎng)算法質(zhì)量值,為衡量網(wǎng)絡(luò)性能的參數(shù)。PSO-BP定位模型第26次迭代時(shí)趨于穩(wěn)定,GFA-BP定位模型第12次迭代時(shí)趨于穩(wěn)定,說明引力場(chǎng)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型收斂速度更快,尋優(yōu)能力更強(qiáng)。PSO-BP定位模型最優(yōu)個(gè)體適應(yīng)度值0.248 6,GFA-BP定位模型最優(yōu)個(gè)體適應(yīng)度值為0.196 7。適應(yīng)度值越低,相應(yīng)的權(quán)值與閾值越優(yōu),定位模型預(yù)測(cè)誤差越小。結(jié)合各模型的網(wǎng)絡(luò)收斂速度和網(wǎng)絡(luò)收斂穩(wěn)定時(shí)適應(yīng)度值可知,GFA-BP定位模型在保持較快尋優(yōu)速度、BP神經(jīng)網(wǎng)絡(luò)優(yōu)化能力強(qiáng)于PSO-BP網(wǎng)絡(luò)(圖5)。

    通過PSO-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差可知,PSO-BP神經(jīng)網(wǎng)絡(luò)需30步達(dá)到目標(biāo)精度,網(wǎng)絡(luò)均方誤差為0.008 033 8,總運(yùn)行時(shí)間為179.233 853 s(圖6)。

    Fig.6PSO-BP network training error通過GFA-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差可知GFA-BP神經(jīng)網(wǎng)絡(luò)僅需19步達(dá)到目標(biāo)精度,網(wǎng)絡(luò)均方誤差為0.003 284 6,總運(yùn)行時(shí)間為99817 086 s。GFA-BP神經(jīng)網(wǎng)絡(luò)較PSO-BP神經(jīng)網(wǎng)絡(luò),能減少網(wǎng)絡(luò)的收斂次數(shù)加快網(wǎng)絡(luò)訓(xùn)練時(shí)間,降低了總體誤差,更好地改善BP神經(jīng)網(wǎng)絡(luò)易陷入局部極值和收斂速度慢的缺點(diǎn)(圖7)。

    累積分布函數(shù)(cumulative distribution function,CDF)表示在所有定位結(jié)果中,誤差低某設(shè)定誤差的概率。通過3種模型定位誤差累計(jì)分布函數(shù)可知,90%定位誤差控制在12.75 cm以內(nèi),較粒子群優(yōu)化BP網(wǎng)絡(luò)定位精度提升5092%,較BP神經(jīng)網(wǎng)絡(luò)超寬帶定位精度提升6455%(圖8)。GFA-BP算法曲線較PSO-BP算法曲線和BP算法曲線收斂速度較快,定位誤差較小,定位效果較好。

    4結(jié)論

    1)定位模型利用BP神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性逼近能力,解決非視距誤差、多徑效應(yīng)導(dǎo)致超寬帶定位模型精度下降的問題。

    2)移動(dòng)因子使權(quán)值和閾值快速集中分布在極值附近,提升網(wǎng)絡(luò)收斂速度;自轉(zhuǎn)因子臨近極值的權(quán)值和閾值隨機(jī)遠(yuǎn)離極值,保證灰塵的多樣性,緩解BP神經(jīng)網(wǎng)絡(luò)超寬帶定位模型收斂速度慢、容易陷入局部極值的問題。

    3)GFA-BP超寬帶定位模型在NLOS環(huán)境下具較高定位精度、較快收斂速度和良好魯棒性,滿足復(fù)雜環(huán)境下室內(nèi)定位的需求。

    參考文獻(xiàn)(References):

    [1]李勇,柳建.基于IA-BP神經(jīng)網(wǎng)絡(luò)的UWB室內(nèi)定位系統(tǒng)[J].電子測(cè)量技術(shù),2019,42(5):109-112.LI Yong,LIU Jian.UWB indoor localization system based on IA-BP neural network[J].Electronic Measurement Technology,2019,42(5):109-112.

    [2]江歌,李志華.非視距環(huán)境下的超寬帶室內(nèi)定位算法[J].計(jì)算機(jī)測(cè)量與控制,2018,26(11):203-207.JIANG Ge,LI Zhihua.UWB indoor localization algorithm in NLOS environment[J].Computer Measurement & Control,2018,26(11):203-207.

    [3]劉紹剛,李燕梅,李艷平.基于BP人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)移動(dòng)定位技術(shù)[J].現(xiàn)代電子技術(shù),2019,42(15):25-28.LIU Shaogang,LI Yanmei,LI Yanping.Indoor mobile positioning technology based on BP artificial neural network[J].Modern Electronics Technique,2019,42(15):25-28.

    [4]葉曉桐,張?jiān)?,宋俊?基于注意力機(jī)制的UWB室內(nèi)定位算法[J].計(jì)算機(jī)應(yīng)用與軟件,2021,38(6):198-201.YE Xiaotong,ZHANG Yu,SONG Jundian.UWB indoor localization algorithm based on attention mechanism[J].Computer Applications and Software,2021,38(6):198-201.

    [5]逄明祥,王善培,李乾,等.一種基于遺傳神經(jīng)網(wǎng)絡(luò)的煤礦井下定位算法[J].實(shí)驗(yàn)室研究與探索,2021,40(4):8-12.PANG Mingxiang,WANG Shanpei,LI Qian,et al.Coal mine underground location algorithm based on genetic neural network[J].Research and Exploration in Laboratory,2021,40(4):8-12.

    [6]莫樹培,唐琎,杜永萬,等.基于SAPSO-BP神經(jīng)網(wǎng)絡(luò)的井下自適應(yīng)定位算法[J].工礦自動(dòng)化,2019,45(7):80-85.MO Shupei,TANG Jin,DU Yongwan,et al.Underground adaptive positioning algorithm based on SAPSO-BP neural network[J].Industrial and Mine Automation,2019,45(7):80-85.

    [7]POULOSE A,HAN D S.UWB indoor localization using deep learning LSTM networks[J].Applied Sciences,2020,10(18):6290-6313.

    [8]王生亮,劉根友,高銘,等.改進(jìn)的自適應(yīng)遺傳算法在TDOA定位中的應(yīng)用[J].系統(tǒng)工程與電子技術(shù),2019,41(2):254-258.WANG Shengliang,LIU Genyou,GAO Ming,et al.Application of improved adaptive genetic algorithm in TDOA location[J].Systems Engineering and Electronics,2019,41(2):254-258.

    [9]崔麗珍,許凡非,王巧利,等.基于PSO-BP神經(jīng)網(wǎng)絡(luò)的煤礦井下自適應(yīng)定位算法[J].工礦自動(dòng)化,2018,44(2):74-79.CUI Lizhen,XU Fanfei,WANG Qiaoli,et al.Underground adaptive positioning algorithm based on PSO-BP neural network[J].Industrial and Mining Automation,2018,44(2):74-79.

    [10]NGUYEN D T A,LEE H G,JEONG E R,et al.Deep learning-based localization for UWB systems[J].Electronics,2020,9(10):1712-1720.

    [11]MEGHANI S K,ASIF M,AWIN F,et al.Empirical based ranging error mitigation in IR-UWB:a fuzzy approach[J].IEEE Access,2019,7(7):33686-33697.

    [12]陳浩,李起偉,王子龍.基于改進(jìn)TDOA在煤礦井下超寬帶定位算法的研究[J].電子測(cè)量技術(shù),2021,44(6):96-102.CHEN Hao,LI Qiwei,WANG Zilong.Based on improved TDOA in underground mine research on UWB location algorithm[J].Electronic Measurement Technology,2021,44(6):96-102.

    [13]ZHENG M,LIU G,ZHOU C,et al.Gravitation field algorithm and its application in gene cluster[J].Algorithms for Molecular Biology,2010,5(1):1-11.

    [14]LIU F,LI F,JING X.INS/gravity gradient aided navigation based on gravitation field particle filter[J].Open Physics,2019,17(1):709-718.

    [15]陳世明,劉俊愷,肖娟.基于引力場(chǎng)優(yōu)化的Unscented FastSLAM 2.0算法[J].控制理論與應(yīng),2018,35(8):1186-1193.CHEN Shiming,LIU Junkai,XIAO Juan.Unscented FastSLAM 2.0 algorithm based on gravitational field optimization[J].Control Theory & Applications,2018,35(8):1186-1193.

    [16]鄭明,劉桂霞,周柚,等.基于引力場(chǎng)算法的基因調(diào)控網(wǎng)絡(luò)構(gòu)建[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版),2014,44(2):427-432.ZHENG Ming,LIU Guixia,ZHOU You,et al.Reconstruction of gene regulatory network based on gravitation field algorithm[J].Journal of Jilin University(Engineering and Technology Edition),2014,44(2):427-432.

    [17]賈平平,葛方振,劉冠宇,等.基于引力場(chǎng)的機(jī)會(huì)網(wǎng)絡(luò)路由算法[J].云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,26(1):55-59.JIA Pingping,GE Fangzhen,LIU Guangyu,et al.A routing algorithm for the opportunistic network based on the gravitation field[J].Journal of Yunnan Minzu University(Natural Sciences Edition),2017,26(1):55-59.

    [18]羅開田,劉剛.基于交通引力場(chǎng)的復(fù)雜網(wǎng)絡(luò)路由選擇方法[J].計(jì)算機(jī)應(yīng)用研究,2017,34(1):194-196,210.LUO Kaitian,LIU Gang.Routing strategy for complex networks based on traffic gravitational field[J].Application Research on Computers,2017,34(1):194-196,210.

    [19]陳世明,肖娟,李海英,等.基于引力場(chǎng)的粒子濾波算法[J].控制與決策,2017,32(4):709-714.CHEN Shiming,XIAO Juan,LI Haiying,et al.Particle filter algorithm based on gravitation field[J].Control and Decision,2017,32(4):709-714.

    [20]武文軒.引力場(chǎng)優(yōu)化算法的并行及優(yōu)化研究[D].長(zhǎng)春:吉林大學(xué),2020.WU Wenxuan.Research on parallel and optimization of gravitational field optimization algorithms[D].Changchun:Jilin University,2020.

    猜你喜歡
    BP神經(jīng)網(wǎng)絡(luò)
    基于神經(jīng)網(wǎng)絡(luò)的北京市房?jī)r(jià)預(yù)測(cè)研究
    商情(2016年43期)2016-12-23 14:23:13
    一種基于OpenCV的車牌識(shí)別方法
    基于遺傳算法—BP神經(jīng)網(wǎng)絡(luò)的乳腺腫瘤輔助診斷模型
    一種基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)T/R組件溫度的方法
    基于BP神經(jīng)網(wǎng)絡(luò)的光通信系統(tǒng)故障診斷
    科技視界(2016年26期)2016-12-17 17:57:49
    提高BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率的算法研究
    考試周刊(2016年21期)2016-12-16 11:02:03
    就bp神經(jīng)網(wǎng)絡(luò)銀行選址模型的相關(guān)研究
    基于DEA—GA—BP的建設(shè)工程評(píng)標(biāo)方法研究
    基于BP神經(jīng)網(wǎng)絡(luò)的旅行社發(fā)展方向研究
    商情(2016年39期)2016-11-21 09:30:36
    復(fù)雜背景下的手勢(shì)識(shí)別方法
    纯流量卡能插随身wifi吗| 久久久精品94久久精品| 最新的欧美精品一区二区| 国产高清不卡午夜福利| 国产成人一区二区在线| 午夜免费观看性视频| 国产免费又黄又爽又色| 18禁观看日本| 亚洲四区av| 丝袜美足系列| 欧美精品av麻豆av| 爱豆传媒免费全集在线观看| 国产成人免费观看mmmm| a级毛片在线看网站| 狠狠婷婷综合久久久久久88av| 大香蕉久久网| 精品人妻熟女毛片av久久网站| 成年动漫av网址| videos熟女内射| 在线亚洲精品国产二区图片欧美| 热re99久久精品国产66热6| 久久久精品区二区三区| 亚洲欧美清纯卡通| 亚洲国产精品一区三区| 欧美少妇被猛烈插入视频| 最近最新中文字幕免费大全7| 一区二区av电影网| 亚洲精品,欧美精品| 中文天堂在线官网| av.在线天堂| 精品国产乱码久久久久久男人| 黑丝袜美女国产一区| 欧美激情极品国产一区二区三区| 少妇的逼水好多| 久久婷婷青草| 国产xxxxx性猛交| 午夜免费观看性视频| 亚洲人成网站在线观看播放| 高清在线视频一区二区三区| 精品亚洲乱码少妇综合久久| 中文字幕制服av| 超碰97精品在线观看| 如何舔出高潮| 女人被躁到高潮嗷嗷叫费观| 18禁动态无遮挡网站| 99久久人妻综合| 老熟女久久久| av在线app专区| 女人高潮潮喷娇喘18禁视频| 高清在线视频一区二区三区| 日本91视频免费播放| 韩国精品一区二区三区| 男人舔女人的私密视频| 少妇人妻精品综合一区二区| 亚洲,一卡二卡三卡| 精品一区二区三区四区五区乱码 | av.在线天堂| videos熟女内射| 伊人久久大香线蕉亚洲五| 中文字幕制服av| 午夜影院在线不卡| 两个人免费观看高清视频| 日本黄色日本黄色录像| 国产白丝娇喘喷水9色精品| 国产av精品麻豆| 免费观看av网站的网址| 男女下面插进去视频免费观看| 男女免费视频国产| 国产精品国产三级专区第一集| 一区二区av电影网| 精品一区二区免费观看| 午夜激情久久久久久久| 国产精品一区二区在线不卡| 亚洲内射少妇av| 精品第一国产精品| 免费观看无遮挡的男女| 99久久综合免费| 美国免费a级毛片| www日本在线高清视频| 狂野欧美激情性bbbbbb| 秋霞在线观看毛片| 黄色 视频免费看| 狠狠精品人妻久久久久久综合| 嫩草影院入口| 日韩欧美精品免费久久| 国产精品久久久久成人av| 国产精品久久久久成人av| 亚洲一区中文字幕在线| 丝袜脚勾引网站| 香蕉精品网在线| 女的被弄到高潮叫床怎么办| 高清在线视频一区二区三区| 精品人妻在线不人妻| 久久亚洲国产成人精品v| 欧美最新免费一区二区三区| 国产成人精品久久二区二区91 | 亚洲人成网站在线观看播放| 久久精品国产亚洲av涩爱| 宅男免费午夜| 婷婷色av中文字幕| 超碰成人久久| 国产日韩一区二区三区精品不卡| 欧美日韩精品成人综合77777| 丝袜美腿诱惑在线| 精品一区二区三卡| 国产精品久久久久久久久免| av卡一久久| 男女高潮啪啪啪动态图| 亚洲一区二区三区欧美精品| 亚洲国产日韩一区二区| 久久久久久久国产电影| 亚洲欧美一区二区三区久久| 国产97色在线日韩免费| 成人毛片a级毛片在线播放| 高清视频免费观看一区二区| 亚洲精品在线美女| 日韩成人av中文字幕在线观看| 美女主播在线视频| 久久国产精品大桥未久av| 成年av动漫网址| 九九爱精品视频在线观看| 精品亚洲乱码少妇综合久久| 考比视频在线观看| 深夜精品福利| 免费大片黄手机在线观看| 色网站视频免费| 国产成人精品久久二区二区91 | 亚洲国产看品久久| 人人妻人人爽人人添夜夜欢视频| 性高湖久久久久久久久免费观看| 国产成人精品福利久久| 五月开心婷婷网| 久久精品国产亚洲av高清一级| 成人手机av| 26uuu在线亚洲综合色| 啦啦啦在线观看免费高清www| 伦理电影免费视频| 黄色怎么调成土黄色| 久久精品国产综合久久久| 免费在线观看视频国产中文字幕亚洲 | 电影成人av| 婷婷色麻豆天堂久久| 国产精品成人在线| 日本午夜av视频| 26uuu在线亚洲综合色| 成人国产av品久久久| 国产黄色视频一区二区在线观看| 下体分泌物呈黄色| 久久久久网色| 欧美精品亚洲一区二区| 如何舔出高潮| 亚洲精品一区蜜桃| 男人添女人高潮全过程视频| 亚洲男人天堂网一区| 久久亚洲国产成人精品v| 久久av网站| 久久精品人人爽人人爽视色| 国产免费福利视频在线观看| 国产精品 国内视频| 五月伊人婷婷丁香| 亚洲精品乱久久久久久| 精品一区在线观看国产| 国产精品久久久久久av不卡| 大片免费播放器 马上看| 老司机影院成人| 女的被弄到高潮叫床怎么办| 一个人免费看片子| 国产不卡av网站在线观看| 黄色配什么色好看| 国产成人精品福利久久| 国产av精品麻豆| 高清黄色对白视频在线免费看| 美女大奶头黄色视频| 亚洲美女黄色视频免费看| av免费观看日本| 日韩中文字幕欧美一区二区 | 久久精品人人爽人人爽视色| 国产av精品麻豆| 在线天堂最新版资源| kizo精华| 久久久国产精品麻豆| 男的添女的下面高潮视频| 两性夫妻黄色片| 日韩不卡一区二区三区视频在线| 日本猛色少妇xxxxx猛交久久| 国产1区2区3区精品| 欧美日韩精品网址| 女人被躁到高潮嗷嗷叫费观| 免费少妇av软件| 精品少妇黑人巨大在线播放| 老司机影院毛片| 国产女主播在线喷水免费视频网站| 久久精品久久久久久噜噜老黄| 欧美国产精品一级二级三级| 国产精品久久久久成人av| 自线自在国产av| 高清视频免费观看一区二区| 国产免费福利视频在线观看| 日韩伦理黄色片| 午夜久久久在线观看| 2021少妇久久久久久久久久久| 亚洲国产欧美日韩在线播放| 18+在线观看网站| 制服丝袜香蕉在线| 亚洲国产av新网站| 久久ye,这里只有精品| 一本大道久久a久久精品| 亚洲国产欧美日韩在线播放| 亚洲精品一二三| 叶爱在线成人免费视频播放| 久久这里只有精品19| 夫妻午夜视频| 一本久久精品| 熟妇人妻不卡中文字幕| 午夜福利乱码中文字幕| 日韩在线高清观看一区二区三区| 捣出白浆h1v1| 国产有黄有色有爽视频| 亚洲一区二区三区欧美精品| 精品一区二区免费观看| 国产综合精华液| 美女国产高潮福利片在线看| 如何舔出高潮| tube8黄色片| 岛国毛片在线播放| 制服丝袜香蕉在线| 亚洲天堂av无毛| 国产97色在线日韩免费| 亚洲精品久久午夜乱码| 水蜜桃什么品种好| 亚洲国产精品国产精品| 欧美黄色片欧美黄色片| 久久人妻熟女aⅴ| 精品一区二区三区四区五区乱码 | 九色亚洲精品在线播放| 九九爱精品视频在线观看| 国产一区二区激情短视频 | 亚洲欧美成人综合另类久久久| 久久久久久久久免费视频了| 一级a爱视频在线免费观看| 日本欧美视频一区| 国产免费福利视频在线观看| 日本vs欧美在线观看视频| 色94色欧美一区二区| 久久久久精品久久久久真实原创| 中国国产av一级| 777久久人妻少妇嫩草av网站| 熟女少妇亚洲综合色aaa.| 观看美女的网站| 97人妻天天添夜夜摸| 一区福利在线观看| 亚洲欧美一区二区三区黑人 | 亚洲五月色婷婷综合| 另类亚洲欧美激情| 91午夜精品亚洲一区二区三区| 国产亚洲欧美精品永久| 高清欧美精品videossex| 国产又爽黄色视频| 丁香六月天网| 各种免费的搞黄视频| 五月天丁香电影| 欧美日韩亚洲国产一区二区在线观看 | av女优亚洲男人天堂| av在线app专区| 久久亚洲国产成人精品v| 亚洲激情五月婷婷啪啪| 午夜激情久久久久久久| 又黄又粗又硬又大视频| 久热久热在线精品观看| 国产又色又爽无遮挡免| 母亲3免费完整高清在线观看 | 亚洲婷婷狠狠爱综合网| 飞空精品影院首页| 久久久国产精品麻豆| av福利片在线| 色播在线永久视频| 精品亚洲乱码少妇综合久久| 99精国产麻豆久久婷婷| 成年女人毛片免费观看观看9 | 久久精品国产亚洲av高清一级| 国产97色在线日韩免费| 少妇猛男粗大的猛烈进出视频| 在线亚洲精品国产二区图片欧美| 尾随美女入室| 只有这里有精品99| 午夜免费鲁丝| 免费看av在线观看网站| 亚洲图色成人| 少妇的逼水好多| 岛国毛片在线播放| 叶爱在线成人免费视频播放| 日韩制服骚丝袜av| 久久 成人 亚洲| 亚洲av综合色区一区| 尾随美女入室| 亚洲av国产av综合av卡| 亚洲av福利一区| 美女国产高潮福利片在线看| 在线观看一区二区三区激情| 亚洲av电影在线进入| 国产成人免费观看mmmm| 人妻人人澡人人爽人人| 天天躁狠狠躁夜夜躁狠狠躁| av.在线天堂| 精品午夜福利在线看| 日本欧美国产在线视频| 欧美av亚洲av综合av国产av | 肉色欧美久久久久久久蜜桃| 精品久久久久久电影网| 午夜福利视频精品| 亚洲图色成人| 亚洲一码二码三码区别大吗| 高清av免费在线| 男人爽女人下面视频在线观看| 久久精品熟女亚洲av麻豆精品| 久久毛片免费看一区二区三区| 国产成人精品无人区| 国产精品三级大全| 三级国产精品片| 亚洲精品美女久久久久99蜜臀 | 中文字幕制服av| 九草在线视频观看| 欧美bdsm另类| 午夜日韩欧美国产| 熟妇人妻不卡中文字幕| 老汉色av国产亚洲站长工具| 一区在线观看完整版| 日日爽夜夜爽网站| 在线亚洲精品国产二区图片欧美| 国产一区二区激情短视频 | 精品国产国语对白av| av在线老鸭窝| 天天操日日干夜夜撸| www.熟女人妻精品国产| 国产无遮挡羞羞视频在线观看| 欧美+日韩+精品| 国产精品秋霞免费鲁丝片| 日日摸夜夜添夜夜爱| 亚洲伊人色综图| 免费观看在线日韩| 一级片'在线观看视频| 777久久人妻少妇嫩草av网站| 蜜桃在线观看..| 久久精品亚洲av国产电影网| 久久热在线av| 老汉色∧v一级毛片| 国产av精品麻豆| 97在线视频观看| 丰满饥渴人妻一区二区三| 亚洲成av片中文字幕在线观看 | 中文字幕av电影在线播放| 国产野战对白在线观看| 在线看a的网站| 欧美精品av麻豆av| 婷婷色av中文字幕| 久久女婷五月综合色啪小说| 精品一区二区免费观看| 性色avwww在线观看| 赤兔流量卡办理| 日韩中字成人| 精品久久久精品久久久| 美女午夜性视频免费| 午夜日本视频在线| 黄片播放在线免费| 99久久人妻综合| 久久99一区二区三区| 久久久久人妻精品一区果冻| 国产成人欧美| 成人亚洲欧美一区二区av| 一级片'在线观看视频| 亚洲精品成人av观看孕妇| 国产探花极品一区二区| 亚洲欧美成人综合另类久久久| 9191精品国产免费久久| 久久精品熟女亚洲av麻豆精品| 欧美日韩成人在线一区二区| 日日爽夜夜爽网站| 1024香蕉在线观看| 五月伊人婷婷丁香| 夜夜骑夜夜射夜夜干| 80岁老熟妇乱子伦牲交| 国产一区二区三区av在线| 日韩免费高清中文字幕av| 亚洲精品一二三| 日韩精品有码人妻一区| 午夜福利影视在线免费观看| 精品视频人人做人人爽| 免费人妻精品一区二区三区视频| 高清不卡的av网站| 老女人水多毛片| 天天躁夜夜躁狠狠久久av| 日韩成人av中文字幕在线观看| 日日啪夜夜爽| 男的添女的下面高潮视频| 观看美女的网站| 在线观看人妻少妇| 最新的欧美精品一区二区| 啦啦啦视频在线资源免费观看| 波多野结衣av一区二区av| 亚洲av中文av极速乱| av国产精品久久久久影院| 黑人巨大精品欧美一区二区蜜桃| 亚洲一码二码三码区别大吗| 久久热在线av| 极品少妇高潮喷水抽搐| a级毛片在线看网站| 啦啦啦视频在线资源免费观看| 男人添女人高潮全过程视频| 制服诱惑二区| 99久久精品国产国产毛片| 黄片小视频在线播放| 亚洲av成人精品一二三区| 五月天丁香电影| 久久久久精品人妻al黑| 久久久久久伊人网av| 韩国av在线不卡| 你懂的网址亚洲精品在线观看| 国产片内射在线| 18禁观看日本| 91午夜精品亚洲一区二区三区| 卡戴珊不雅视频在线播放| 欧美97在线视频| 国产熟女午夜一区二区三区| 在线 av 中文字幕| 亚洲精品美女久久久久99蜜臀 | 美女中出高潮动态图| 欧美人与性动交α欧美精品济南到 | 国产精品一区二区在线不卡| 国产乱人偷精品视频| 视频在线观看一区二区三区| 美女福利国产在线| 精品视频人人做人人爽| 69精品国产乱码久久久| 亚洲国产欧美网| 午夜免费男女啪啪视频观看| 久久精品久久久久久噜噜老黄| 精品久久久精品久久久| 1024香蕉在线观看| 国产麻豆69| 久久精品夜色国产| 亚洲国产日韩一区二区| 亚洲av福利一区| 久久久久久久国产电影| 国产女主播在线喷水免费视频网站| av国产精品久久久久影院| 久久国产精品男人的天堂亚洲| 久久99精品国语久久久| 男男h啪啪无遮挡| 久久久欧美国产精品| 亚洲欧洲国产日韩| 在线 av 中文字幕| 久久久国产精品麻豆| 国产精品三级大全| 午夜精品国产一区二区电影| 亚洲精品aⅴ在线观看| 精品国产国语对白av| 午夜福利一区二区在线看| 国产国语露脸激情在线看| 777久久人妻少妇嫩草av网站| 大香蕉久久网| 熟女少妇亚洲综合色aaa.| 久久久久久久国产电影| 亚洲av欧美aⅴ国产| av在线播放精品| 日韩精品免费视频一区二区三区| 人人妻人人澡人人看| 亚洲欧美中文字幕日韩二区| www.av在线官网国产| 亚洲精品国产一区二区精华液| 飞空精品影院首页| 成人国产av品久久久| 伊人久久国产一区二区| 国产极品天堂在线| 亚洲欧美中文字幕日韩二区| 午夜福利在线免费观看网站| 男女国产视频网站| 亚洲国产毛片av蜜桃av| 免费播放大片免费观看视频在线观看| 韩国av在线不卡| 亚洲av欧美aⅴ国产| 日韩免费高清中文字幕av| 看十八女毛片水多多多| 中国国产av一级| 成人午夜精彩视频在线观看| 一本—道久久a久久精品蜜桃钙片| 18禁动态无遮挡网站| 大香蕉久久成人网| 亚洲精品日本国产第一区| 亚洲成人av在线免费| 校园人妻丝袜中文字幕| 久久狼人影院| 国产精品一国产av| 不卡av一区二区三区| 国产免费现黄频在线看| 9色porny在线观看| 日韩一区二区视频免费看| 18禁裸乳无遮挡动漫免费视频| 欧美 日韩 精品 国产| 2022亚洲国产成人精品| 中文乱码字字幕精品一区二区三区| 久久女婷五月综合色啪小说| 天美传媒精品一区二区| 少妇的逼水好多| 国产亚洲欧美精品永久| tube8黄色片| 少妇人妻久久综合中文| 三上悠亚av全集在线观看| 亚洲人成电影观看| 2021少妇久久久久久久久久久| 大陆偷拍与自拍| 亚洲国产欧美网| 日韩,欧美,国产一区二区三区| 搡老乐熟女国产| 日韩一区二区视频免费看| xxx大片免费视频| av在线app专区| 最新中文字幕久久久久| 国产无遮挡羞羞视频在线观看| 亚洲精品日韩在线中文字幕| 欧美国产精品va在线观看不卡| 成人亚洲精品一区在线观看| av国产精品久久久久影院| 18禁国产床啪视频网站| 国产亚洲最大av| 男女无遮挡免费网站观看| 少妇的丰满在线观看| 黑人巨大精品欧美一区二区蜜桃| 街头女战士在线观看网站| 秋霞在线观看毛片| 91午夜精品亚洲一区二区三区| 国产片特级美女逼逼视频| 人体艺术视频欧美日本| 丝袜美足系列| videosex国产| 国产av国产精品国产| 99国产精品免费福利视频| 青青草视频在线视频观看| 国产精品二区激情视频| 激情五月婷婷亚洲| 91成人精品电影| 99热网站在线观看| 国产乱人偷精品视频| 亚洲美女视频黄频| 一区二区三区激情视频| 亚洲精品视频女| 国产精品嫩草影院av在线观看| 寂寞人妻少妇视频99o| 欧美国产精品va在线观看不卡| 肉色欧美久久久久久久蜜桃| 黄色毛片三级朝国网站| 欧美97在线视频| 国产一区亚洲一区在线观看| 纯流量卡能插随身wifi吗| 国产日韩欧美在线精品| 叶爱在线成人免费视频播放| 91精品国产国语对白视频| 国产一区二区激情短视频 | 国产福利在线免费观看视频| 亚洲欧洲精品一区二区精品久久久 | 亚洲,欧美,日韩| 大片电影免费在线观看免费| 超碰97精品在线观看| 欧美日韩成人在线一区二区| 亚洲av电影在线观看一区二区三区| 久久狼人影院| 久久久国产一区二区| 极品少妇高潮喷水抽搐| 七月丁香在线播放| 丰满饥渴人妻一区二区三| 国产精品一国产av| 久久精品国产综合久久久| 国产精品av久久久久免费| 国产精品女同一区二区软件| 捣出白浆h1v1| 一二三四中文在线观看免费高清| 国产淫语在线视频| 亚洲内射少妇av| 精品人妻一区二区三区麻豆| 成人国语在线视频| 18禁动态无遮挡网站| 国产国语露脸激情在线看| 秋霞在线观看毛片| 超色免费av| 美女视频免费永久观看网站| 最新的欧美精品一区二区| 人妻系列 视频| 大话2 男鬼变身卡| 下体分泌物呈黄色| 国产成人一区二区在线| 啦啦啦在线免费观看视频4| 国产午夜精品一二区理论片| 777米奇影视久久| 午夜福利乱码中文字幕| 国产精品亚洲av一区麻豆 | 丰满少妇做爰视频| 久久久久精品人妻al黑| 日日摸夜夜添夜夜爱| 91精品三级在线观看| 亚洲成人手机| 肉色欧美久久久久久久蜜桃| 精品少妇内射三级| 免费高清在线观看日韩| 日日摸夜夜添夜夜爱| 亚洲成人av在线免费| 亚洲,一卡二卡三卡| 人体艺术视频欧美日本| 免费在线观看视频国产中文字幕亚洲 | 亚洲国产精品一区三区| 美女午夜性视频免费| 国产视频首页在线观看| 精品少妇黑人巨大在线播放| 中文字幕最新亚洲高清| 大香蕉久久成人网| 超碰97精品在线观看| 男女边摸边吃奶|