• <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
    精品欧美国产一区二区三| 国产精品久久电影中文字幕| 国产激情偷乱视频一区二区| 日本黄色视频三级网站网址| 久久久成人免费电影| 我要看日韩黄色一级片| 国内精品久久久久久久电影| 亚洲中文日韩欧美视频| 波多野结衣高清无吗| 精品午夜福利在线看| 久久久久久久精品吃奶| 亚洲人成网站在线播| 一本综合久久免费| 欧美又色又爽又黄视频| 极品教师在线免费播放| 最新在线观看一区二区三区| 色5月婷婷丁香| 免费在线观看影片大全网站| 日本精品一区二区三区蜜桃| 久久久久九九精品影院| 夜夜躁狠狠躁天天躁| 国产精品国产高清国产av| 国产野战对白在线观看| 18禁在线播放成人免费| 国产成人欧美在线观看| 少妇熟女aⅴ在线视频| 午夜福利在线在线| 琪琪午夜伦伦电影理论片6080| 真人一进一出gif抽搐免费| 一本精品99久久精品77| 亚洲中文字幕日韩| 精品午夜福利在线看| 一本久久中文字幕| 在线免费观看不下载黄p国产 | 直男gayav资源| 欧美成人免费av一区二区三区| 久99久视频精品免费| 国产中年淑女户外野战色| 国产美女午夜福利| 欧美色视频一区免费| 免费搜索国产男女视频| 欧美成人一区二区免费高清观看| 一本久久中文字幕| 精品无人区乱码1区二区| 蜜桃亚洲精品一区二区三区| 内地一区二区视频在线| 日本一本二区三区精品| av专区在线播放| 又爽又黄a免费视频| 久久婷婷人人爽人人干人人爱| 亚洲 国产 在线| 国产精品一区二区性色av| 日韩欧美 国产精品| 无遮挡黄片免费观看| 欧美黑人欧美精品刺激| bbb黄色大片| 啦啦啦韩国在线观看视频| 久久香蕉精品热| 国产精品久久久久久精品电影| 有码 亚洲区| 亚洲国产精品成人综合色| 一进一出抽搐动态| 国产精品久久电影中文字幕| 永久网站在线| 精品午夜福利在线看| 亚洲成av人片免费观看| 男女那种视频在线观看| 人妻夜夜爽99麻豆av| 亚洲av美国av| 少妇人妻精品综合一区二区 | 1000部很黄的大片| or卡值多少钱| 成年女人毛片免费观看观看9| 赤兔流量卡办理| 亚洲专区中文字幕在线| 舔av片在线| 免费在线观看成人毛片| 人妻制服诱惑在线中文字幕| 丰满的人妻完整版| 久9热在线精品视频| 可以在线观看毛片的网站| 我的老师免费观看完整版| 长腿黑丝高跟| 欧美黄色淫秽网站| 在线a可以看的网站| 亚洲av.av天堂| 禁无遮挡网站| 天堂网av新在线| 免费在线观看影片大全网站| 国产精品自产拍在线观看55亚洲| 欧美3d第一页| 国产精品亚洲一级av第二区| 琪琪午夜伦伦电影理论片6080| 在线看三级毛片| 搞女人的毛片| 男人舔女人下体高潮全视频| 性色avwww在线观看| 九色国产91popny在线| 成人一区二区视频在线观看| 欧美黑人巨大hd| 久久精品国产亚洲av香蕉五月| 中文字幕人成人乱码亚洲影| 免费电影在线观看免费观看| 亚洲av美国av| 亚洲av免费在线观看| 九色成人免费人妻av| 偷拍熟女少妇极品色| 欧美xxxx黑人xx丫x性爽| 国产淫片久久久久久久久 | 欧美一级a爱片免费观看看| 在线播放无遮挡| 激情在线观看视频在线高清| 亚洲电影在线观看av| 国产真实伦视频高清在线观看 | 五月玫瑰六月丁香| 久久久久国内视频| netflix在线观看网站| 精品久久久久久,| 色播亚洲综合网| 国产精品伦人一区二区| 日韩欧美在线乱码| 好男人电影高清在线观看| 波多野结衣高清作品| 一个人观看的视频www高清免费观看| 欧美色欧美亚洲另类二区| 久久伊人香网站| 婷婷亚洲欧美| 精品久久久久久久久亚洲 | 99国产综合亚洲精品| 国产日本99.免费观看| 免费观看精品视频网站| 精品一区二区三区人妻视频| 国产国拍精品亚洲av在线观看| 在线观看午夜福利视频| 两人在一起打扑克的视频| 免费人成在线观看视频色| 一级黄色大片毛片| 少妇被粗大猛烈的视频| 亚洲最大成人av| 亚洲成av人片免费观看| 国产久久久一区二区三区| 国语自产精品视频在线第100页| 日韩成人在线观看一区二区三区| 一级毛片久久久久久久久女| 桃色一区二区三区在线观看| 波多野结衣巨乳人妻| 91九色精品人成在线观看| 国产精品久久久久久人妻精品电影| 亚洲欧美清纯卡通| 亚洲人成电影免费在线| 久久久精品大字幕| 国产精品久久久久久久电影| 99热只有精品国产| 亚洲成av人片免费观看| 99热精品在线国产| a在线观看视频网站| 日韩欧美国产在线观看| 欧美区成人在线视频| 久久久久久久久久黄片| 免费观看的影片在线观看| 国产又黄又爽又无遮挡在线| 精品福利观看| 3wmmmm亚洲av在线观看| 免费看美女性在线毛片视频| 国产麻豆成人av免费视频| 国产欧美日韩精品一区二区| 亚洲电影在线观看av| 亚洲av美国av| 十八禁人妻一区二区| 中文字幕免费在线视频6| 欧美日韩瑟瑟在线播放| 精品久久久久久,| 国产一区二区三区在线臀色熟女| 欧美成人a在线观看| 免费在线观看亚洲国产| 免费黄网站久久成人精品 | avwww免费| 亚洲欧美日韩卡通动漫| 淫妇啪啪啪对白视频| 亚洲真实伦在线观看| 日韩av在线大香蕉| 午夜日韩欧美国产| 亚洲av免费在线观看| 夜夜夜夜夜久久久久| 三级男女做爰猛烈吃奶摸视频| 天堂√8在线中文| 麻豆av噜噜一区二区三区| 国产精品1区2区在线观看.| АⅤ资源中文在线天堂| 国产成人啪精品午夜网站| 悠悠久久av| 超碰av人人做人人爽久久| 欧美国产日韩亚洲一区| 神马国产精品三级电影在线观看| 一本久久中文字幕| 激情在线观看视频在线高清| 久久久久久国产a免费观看| 婷婷丁香在线五月| 欧美一区二区精品小视频在线| 亚洲七黄色美女视频| 精品久久久久久久久久免费视频| 一区福利在线观看| 99热这里只有是精品在线观看 | 成人av在线播放网站| 国内精品一区二区在线观看| 变态另类丝袜制服| www.熟女人妻精品国产| 人人妻,人人澡人人爽秒播| 中国美女看黄片| 欧美高清成人免费视频www| 男女做爰动态图高潮gif福利片| 国产人妻一区二区三区在| 欧美日韩瑟瑟在线播放| 黄色视频,在线免费观看| 中文在线观看免费www的网站| 日韩精品青青久久久久久| 性插视频无遮挡在线免费观看| 精品久久久久久久人妻蜜臀av| 草草在线视频免费看| 中文字幕精品亚洲无线码一区| 伦理电影大哥的女人| 久久精品综合一区二区三区| 又黄又爽又刺激的免费视频.| 自拍偷自拍亚洲精品老妇| 成人无遮挡网站| 91在线观看av| 国产一区二区激情短视频| 欧洲精品卡2卡3卡4卡5卡区| 无遮挡黄片免费观看| 国产精品嫩草影院av在线观看 | 波野结衣二区三区在线| 国产黄色小视频在线观看| 亚洲在线自拍视频| 国产免费av片在线观看野外av| 免费在线观看成人毛片| 亚洲成人久久性| 俄罗斯特黄特色一大片| 国产激情偷乱视频一区二区| 国产蜜桃级精品一区二区三区| 亚洲欧美激情综合另类| 欧美最新免费一区二区三区 | 免费观看精品视频网站| 香蕉av资源在线| 美女高潮的动态| 日本黄大片高清| 亚洲aⅴ乱码一区二区在线播放| 欧美潮喷喷水| 香蕉av资源在线| 男人狂女人下面高潮的视频| 日韩精品青青久久久久久| 一本久久中文字幕| 在线观看66精品国产| 琪琪午夜伦伦电影理论片6080| 最新在线观看一区二区三区| 伦理电影大哥的女人| 国产欧美日韩一区二区三| 欧美成人一区二区免费高清观看| 亚洲第一电影网av| 少妇熟女aⅴ在线视频| 日韩成人在线观看一区二区三区| 性色av乱码一区二区三区2| 国产精品伦人一区二区| 搞女人的毛片| 最新中文字幕久久久久| 午夜福利在线观看吧| 99久久成人亚洲精品观看| 激情在线观看视频在线高清| 97人妻精品一区二区三区麻豆| 观看美女的网站| 99热这里只有精品一区| 欧美日韩综合久久久久久 | 亚洲av第一区精品v没综合| 日日摸夜夜添夜夜添小说| 宅男免费午夜| 国产v大片淫在线免费观看| 国内少妇人妻偷人精品xxx网站| 99久久无色码亚洲精品果冻| 黄色配什么色好看| 嫩草影院新地址| 小蜜桃在线观看免费完整版高清| 床上黄色一级片| 天堂影院成人在线观看| 精品国产三级普通话版| 国产淫片久久久久久久久 | 午夜福利高清视频| 美女黄网站色视频| 色精品久久人妻99蜜桃| 亚洲在线观看片| 亚洲精品在线美女| 免费高清视频大片| 欧美色视频一区免费| 国产高清三级在线| 身体一侧抽搐| 国产一区二区激情短视频| 亚洲人成伊人成综合网2020| 一本综合久久免费| 亚洲精品成人久久久久久| 久久亚洲真实| 久久人妻av系列| 成人特级黄色片久久久久久久| 男女做爰动态图高潮gif福利片| 亚洲黑人精品在线| 中文在线观看免费www的网站| 人人妻,人人澡人人爽秒播| 1024手机看黄色片| 国产一级毛片七仙女欲春2| 色精品久久人妻99蜜桃| 在线十欧美十亚洲十日本专区| a级毛片a级免费在线| 亚洲欧美日韩高清在线视频| 亚洲精品色激情综合| 直男gayav资源| 国产一区二区在线观看日韩| 午夜福利成人在线免费观看| www日本黄色视频网| 亚洲成a人片在线一区二区| 一进一出抽搐gif免费好疼| 高清毛片免费观看视频网站| 日韩中文字幕欧美一区二区| 国产精华一区二区三区| 亚洲成人免费电影在线观看| 久久久久九九精品影院| 精品国产亚洲在线| 在现免费观看毛片| 12—13女人毛片做爰片一| 青草久久国产| 精品一区二区三区人妻视频| 好男人在线观看高清免费视频| 国产精品久久久久久久电影| 国产亚洲精品久久久com| 波野结衣二区三区在线| 日韩欧美精品免费久久 | 99精品久久久久人妻精品| 亚洲电影在线观看av| 最后的刺客免费高清国语| 成年版毛片免费区| 亚洲五月天丁香| 99久久九九国产精品国产免费| 观看美女的网站| 欧美日韩国产亚洲二区| 国产伦人伦偷精品视频| 亚洲国产精品合色在线| 91久久精品国产一区二区成人| 国产精品乱码一区二三区的特点| а√天堂www在线а√下载| 好看av亚洲va欧美ⅴa在| 中文字幕熟女人妻在线| netflix在线观看网站| 国产精品爽爽va在线观看网站| 欧美潮喷喷水| 亚洲无线在线观看| 9191精品国产免费久久| 欧美性感艳星| 老司机深夜福利视频在线观看| 在线观看美女被高潮喷水网站 | 国产黄a三级三级三级人| 中文字幕久久专区| 国产精品日韩av在线免费观看| 可以在线观看毛片的网站| 91麻豆精品激情在线观看国产| 国产麻豆成人av免费视频| 少妇高潮的动态图| 亚洲自偷自拍三级| 成年女人毛片免费观看观看9| 午夜两性在线视频| 欧美bdsm另类| 国产精品久久视频播放| 国产色爽女视频免费观看| 精品不卡国产一区二区三区| 欧美精品国产亚洲| 国产单亲对白刺激| 亚洲中文字幕一区二区三区有码在线看| 舔av片在线| 真实男女啪啪啪动态图| 免费看a级黄色片| 日韩高清综合在线| 欧美日韩国产亚洲二区| 日本精品一区二区三区蜜桃| 欧美另类亚洲清纯唯美| 人妻夜夜爽99麻豆av| 我要看日韩黄色一级片| 天堂影院成人在线观看| 免费看a级黄色片| 18禁裸乳无遮挡免费网站照片| 在线观看舔阴道视频| 国产免费av片在线观看野外av| 亚洲欧美激情综合另类| 中文亚洲av片在线观看爽| 99国产综合亚洲精品| 亚洲在线观看片| 男女下面进入的视频免费午夜| 简卡轻食公司| 国产黄片美女视频| 欧美日韩中文字幕国产精品一区二区三区| 国产成人啪精品午夜网站| 99国产极品粉嫩在线观看| 亚洲五月婷婷丁香| 亚洲va日本ⅴa欧美va伊人久久| 久久人人爽人人爽人人片va | 亚洲精品成人久久久久久| 校园春色视频在线观看| 宅男免费午夜| 国产欧美日韩精品一区二区| 乱人视频在线观看| 久久久久国产精品人妻aⅴ院| 免费搜索国产男女视频| 成人特级黄色片久久久久久久| 一本一本综合久久| 大型黄色视频在线免费观看| 成年免费大片在线观看| avwww免费| 精品人妻一区二区三区麻豆 | 永久网站在线| 51国产日韩欧美| 波多野结衣高清无吗| 无人区码免费观看不卡| 国产午夜精品久久久久久一区二区三区 | 日韩欧美国产一区二区入口| 男人狂女人下面高潮的视频| 久久99热这里只有精品18| 十八禁国产超污无遮挡网站| 亚洲精品粉嫩美女一区| 国产成+人综合+亚洲专区| 51午夜福利影视在线观看| 国产精品一区二区三区四区免费观看 | 午夜a级毛片| 日韩欧美国产在线观看| 精品久久国产蜜桃| 内射极品少妇av片p| 啪啪无遮挡十八禁网站| 动漫黄色视频在线观看| 99热6这里只有精品| 深夜a级毛片| 欧洲精品卡2卡3卡4卡5卡区| 国产精品一区二区三区四区久久| 免费一级毛片在线播放高清视频| 欧美性猛交╳xxx乱大交人| 伊人久久精品亚洲午夜| 97热精品久久久久久| 日本黄大片高清| 美女 人体艺术 gogo| 美女大奶头视频| 日韩欧美在线二视频| 亚洲自拍偷在线| 国产欧美日韩一区二区精品| 757午夜福利合集在线观看| 国产亚洲欧美在线一区二区| 午夜久久久久精精品| 少妇丰满av| 国产成人欧美在线观看| 精品人妻偷拍中文字幕| 18禁裸乳无遮挡免费网站照片| 伦理电影大哥的女人| 亚洲av一区综合| 国产亚洲精品av在线| 欧美一区二区国产精品久久精品| 九色国产91popny在线| 亚洲美女视频黄频| 国产精品伦人一区二区| 国产野战对白在线观看| 免费在线观看成人毛片| 精品人妻偷拍中文字幕| 亚洲av免费高清在线观看| 小说图片视频综合网站| 毛片一级片免费看久久久久 | 99久久精品一区二区三区| 精品午夜福利在线看| 国产色婷婷99| 欧美日韩乱码在线| 午夜两性在线视频| x7x7x7水蜜桃| 久久亚洲精品不卡| 午夜精品一区二区三区免费看| 亚洲狠狠婷婷综合久久图片| 国产白丝娇喘喷水9色精品| 国产亚洲av嫩草精品影院| 亚洲专区中文字幕在线| 午夜福利成人在线免费观看| 欧美精品国产亚洲| 久久精品国产亚洲av涩爱 | 成人国产一区最新在线观看| 精品日产1卡2卡| 美女高潮喷水抽搐中文字幕| 亚洲无线观看免费| 一边摸一边抽搐一进一小说| 久久精品人妻少妇| 精品久久久久久成人av| 少妇的逼好多水| 国产探花极品一区二区| 国产亚洲av嫩草精品影院| av天堂在线播放| 亚洲国产精品久久男人天堂| 色哟哟·www| 日韩国内少妇激情av| 男插女下体视频免费在线播放| 男人舔奶头视频| 免费黄网站久久成人精品 | 天天一区二区日本电影三级| 男插女下体视频免费在线播放| 神马国产精品三级电影在线观看| 日本三级黄在线观看| 精品久久久久久久久av| 国内精品一区二区在线观看| 最近在线观看免费完整版| 国产真实伦视频高清在线观看 | 永久网站在线| 国产成人欧美在线观看| 国产成年人精品一区二区| 亚洲午夜理论影院| 日韩欧美精品免费久久 | 亚洲国产精品久久男人天堂| 久久久久久国产a免费观看| 亚洲国产精品合色在线| 别揉我奶头~嗯~啊~动态视频| 亚洲精品日韩av片在线观看| 亚洲在线观看片| 制服丝袜大香蕉在线| 亚洲国产高清在线一区二区三| 国产视频内射| 我的女老师完整版在线观看| 亚洲无线观看免费| 免费观看的影片在线观看| 久久人人精品亚洲av| 老女人水多毛片| av在线天堂中文字幕| 九九在线视频观看精品| 麻豆av噜噜一区二区三区| 宅男免费午夜| 亚洲,欧美,日韩| 青草久久国产| 久久国产乱子免费精品| 淫妇啪啪啪对白视频| 天美传媒精品一区二区| 国产精品一区二区性色av| 91麻豆av在线| 麻豆国产97在线/欧美| 99久久九九国产精品国产免费| 成人性生交大片免费视频hd| 日本 av在线| 中文字幕高清在线视频| 亚洲精华国产精华精| 波多野结衣高清无吗| av黄色大香蕉| 亚洲性夜色夜夜综合| 中文亚洲av片在线观看爽| 最新在线观看一区二区三区| 亚洲自偷自拍三级| 国产精品乱码一区二三区的特点| 别揉我奶头~嗯~啊~动态视频| 久久精品久久久久久噜噜老黄 | av中文乱码字幕在线| 国产 一区 欧美 日韩| 听说在线观看完整版免费高清| 全区人妻精品视频| 一级av片app| 哪里可以看免费的av片| 黄色一级大片看看| 无人区码免费观看不卡| 91麻豆精品激情在线观看国产| 亚洲无线观看免费| 欧美成狂野欧美在线观看| 精品久久久久久久久亚洲 | 国产精品影院久久| 老女人水多毛片| 51午夜福利影视在线观看| 国产高潮美女av| 日本三级黄在线观看| 舔av片在线| 亚洲精品在线美女| 欧美日韩亚洲国产一区二区在线观看| 国产精品日韩av在线免费观看| 变态另类成人亚洲欧美熟女| 最新在线观看一区二区三区| 一二三四社区在线视频社区8| 少妇高潮的动态图| 一级黄片播放器| 国产91精品成人一区二区三区| 国产伦一二天堂av在线观看| 99在线视频只有这里精品首页| 男人舔女人下体高潮全视频| 午夜日韩欧美国产| 青草久久国产| 最新中文字幕久久久久| 99久久99久久久精品蜜桃| 毛片女人毛片| avwww免费| 91在线观看av| 好男人在线观看高清免费视频| 亚洲片人在线观看| 99久久99久久久精品蜜桃| 欧美乱妇无乱码| 国内揄拍国产精品人妻在线| 国产精品不卡视频一区二区 | 色在线成人网| 夜夜躁狠狠躁天天躁| 亚洲国产精品成人综合色| 午夜免费成人在线视频| 国内精品久久久久精免费| 老鸭窝网址在线观看| 亚洲乱码一区二区免费版| 天堂网av新在线| 亚洲精品影视一区二区三区av| 亚洲精品一区av在线观看| 中文字幕久久专区| 久久午夜福利片| 成人三级黄色视频| 小蜜桃在线观看免费完整版高清| 亚洲五月婷婷丁香| 久久精品久久久久久噜噜老黄 | 日韩欧美精品v在线| 国产av麻豆久久久久久久| 十八禁人妻一区二区| 欧美bdsm另类| 久久久久免费精品人妻一区二区| 亚洲国产色片|