• <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DNN和改進(jìn)K-means的船舶輻射噪聲開(kāi)集識(shí)別方法

    2022-07-29 02:42:32倪俊帥胡長(zhǎng)青
    聲學(xué)技術(shù) 2022年3期
    關(guān)鍵詞:譜估計(jì)特征向量正確率

    倪俊帥,趙 梅,胡長(zhǎng)青

    (1.中國(guó)科學(xué)院聲學(xué)研究所東海研究站,上海 201815;2.中國(guó)科學(xué)院大學(xué),北京 100049)

    0 引言

    船舶輻射噪聲識(shí)別是被動(dòng)聲吶研究領(lǐng)域的一項(xiàng)難題,一直以來(lái)受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。海洋事業(yè)的蓬勃發(fā)展,海上活動(dòng)日益頻繁,海洋權(quán)益保障和國(guó)防建設(shè)等方面對(duì)船舶輻射噪聲識(shí)別提出了更高的要求。隨著深度學(xué)習(xí)和人工智能的發(fā)展及其在各領(lǐng)域取得的顯著成果,將深度學(xué)習(xí)應(yīng)用于船舶輻射噪聲識(shí)別成為了研究的熱點(diǎn)。船舶輻射噪聲中包含著一定的特征信息,特征提取是噪聲識(shí)別不可缺少的重要環(huán)節(jié)。已有的特征提取方法主要有:功率譜估計(jì)、小波變換、短時(shí)傅里葉變換、梅爾倒譜系數(shù)、希爾伯特-黃變換等。在此基礎(chǔ)上將深度學(xué)習(xí)應(yīng)用于船舶輻射噪聲的識(shí)別,取得了一定的研究成果。嚴(yán)韶光等[1]采用Welch 功率譜估計(jì)方法提取特征,并采用深度自編碼網(wǎng)絡(luò)對(duì)船舶輻射噪聲進(jìn)行識(shí)別,得到了比BP 網(wǎng)絡(luò)更好的識(shí)別效果。李俊豪等[2]提取了船舶輻射噪聲的時(shí)頻特征,設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別,識(shí)別率得到了明顯的提高。朱可卿等[3]提取了船舶輻射噪聲的頻譜、梅爾倒譜系數(shù)、線譜特征,并采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)特征的圖像進(jìn)行識(shí)別。曾賽等[4]提出了水下目標(biāo)多模態(tài)深度學(xué)習(xí)識(shí)別方法,提高了船舶輻射噪聲識(shí)別的正確率。

    雖然以上對(duì)船舶輻射噪聲特征提取和識(shí)別算法的研究已經(jīng)取得了一定的成果,但現(xiàn)實(shí)中船舶輻射噪聲識(shí)別是包含未知船舶的開(kāi)集識(shí)別。目前識(shí)別算法多為“監(jiān)督式學(xué)習(xí)”的閉集識(shí)別,即在已有的船舶輻射噪聲樣本上訓(xùn)練網(wǎng)絡(luò)模型并對(duì)模型的識(shí)別性能進(jìn)行評(píng)估,然后用訓(xùn)練好的網(wǎng)絡(luò)模型去識(shí)別船舶輻射噪聲。這樣一來(lái)模型只能夠識(shí)別訓(xùn)練集中包含的類(lèi)別,而對(duì)于訓(xùn)練集中未包含的類(lèi)別,則無(wú)法給出正確的識(shí)別結(jié)果。這一問(wèn)題在一定程度上降低了識(shí)別系統(tǒng)的可靠性和準(zhǔn)確率。張凱等[5]提出了基于相似度分布的開(kāi)集人臉識(shí)別算法,提取樣本的相似度分布特征,然后運(yùn)用線性判別分析算法實(shí)現(xiàn)開(kāi)集識(shí)別。Bendale 等[6]提出了深度學(xué)習(xí)輸出層的Openmax 函數(shù)激活方法,取代Softmax 函數(shù)激活實(shí)現(xiàn)開(kāi)集識(shí)別。Perera 等[7]應(yīng)用生成模型重建已知類(lèi)別樣本,提高已知與未知樣本的類(lèi)間距離,實(shí)現(xiàn)未知樣本的檢測(cè)。郝云飛等[8]將對(duì)抗生成網(wǎng)絡(luò)應(yīng)用于信號(hào)調(diào)制方式的開(kāi)集識(shí)別,取得了較高的識(shí)別正確率。以上開(kāi)集識(shí)別方法在人臉識(shí)別等領(lǐng)域取得了較好的效果,而船舶輻射噪聲隨機(jī)性強(qiáng),提取的可識(shí)別特征少,特征不穩(wěn)定,相似船舶很難區(qū)分。船舶輻射噪聲識(shí)別屬于小樣本識(shí)別,很難滿足生成對(duì)抗網(wǎng)絡(luò)訓(xùn)練樣本需求。實(shí)現(xiàn)船舶輻射噪聲的開(kāi)集識(shí)別,還有待于進(jìn)一步的研究。

    為了提高船舶輻射噪聲識(shí)別系統(tǒng)的性能,實(shí)現(xiàn)開(kāi)集識(shí)別,本文提出了基于深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network,DNN)和改進(jìn)K-means 的船舶輻射噪聲開(kāi)集識(shí)別方法。采用Welch 功率譜估計(jì)方法提取特征,設(shè)計(jì)并運(yùn)用DNN 模型進(jìn)一步提取特征向量,提高數(shù)據(jù)的可分性;改進(jìn)了K-means 算法,選擇更符合數(shù)據(jù)分布的聚類(lèi)中心,并在此基礎(chǔ)上實(shí)現(xiàn)了開(kāi)集識(shí)別。

    1 理論和方法

    1.1 Welch 功率譜估計(jì)

    假定隨機(jī)信號(hào)序列x(n),n=0,1,…,N?1,將其分為L(zhǎng)段,每段長(zhǎng)度為M,相鄰兩段的重疊長(zhǎng)度為M?K,第i段數(shù)據(jù)加窗后可表示為[9]

    其中:a(n)為窗函數(shù);K為一整數(shù);L為分段數(shù);它們之間滿足:

    第i段數(shù)據(jù)的功率譜估計(jì)為

    其中:

    式(3)中,U為歸一化因子,作用是保證得到的譜估計(jì)是真實(shí)譜的漸進(jìn)無(wú)偏估計(jì),U表示為

    由此得到的平均周期圖法功率譜估計(jì)為

    1.2 深度神經(jīng)網(wǎng)絡(luò)(DNN)

    深度神經(jīng)網(wǎng)絡(luò)(DNN)由輸入層、隱藏層和輸出層組成。它具有強(qiáng)大的非線性建模能力,不但可以有效學(xué)習(xí)特征向量中的分類(lèi)信息,抽象出具有更好分類(lèi)性能的特征向量,還能夠達(dá)到數(shù)據(jù)降維和提高運(yùn)算性能的效果。多分類(lèi)深度神經(jīng)網(wǎng)絡(luò)的代價(jià)函數(shù)為

    式中:yn和tn分別為網(wǎng)絡(luò)輸出層第n個(gè)神經(jīng)元的實(shí)際值和期望值,c為類(lèi)別數(shù)。

    DNN 的期望輸出向量可看作c組單位正交基,具有最好的分類(lèi)特性。損失函數(shù)值衡量的是實(shí)際輸出與期望輸出的差異,因此,網(wǎng)絡(luò)損失值越小,輸出向量的可分性越好。

    DNN 的隱藏層采用Relu 函數(shù)激活,Relu 函數(shù)的表達(dá)式為

    DNN 的輸出層采用Softmax 函數(shù)激活,Softmax函數(shù)的表達(dá)式為

    整個(gè)網(wǎng)絡(luò)采用自適應(yīng)學(xué)習(xí)率的誤差反向傳播算法[10]進(jìn)行迭代,最小化代價(jià)函數(shù)并更新權(quán)值。迭代過(guò)程采用optimizer 優(yōu)化器進(jìn)行參數(shù)優(yōu)化。

    DNN通過(guò)Softmax函數(shù)將輸入特征向量映射向c個(gè)單位正交基,代價(jià)函數(shù)越小,映射越逼近。所以,越靠近網(wǎng)絡(luò)輸入層,特征向量包含的目標(biāo)的特征信息越豐富,越靠近輸出層,特征向量包含的目標(biāo)的分類(lèi)信息越多。文獻(xiàn)[6]的研究表明,輸出層Softmax 激活前的特征向量具有更好的開(kāi)集性能。因此,本文選用該層輸出的特征向量進(jìn)行船舶輻射噪聲開(kāi)集識(shí)別。

    1.3 K-means 算法

    K-means 算法[11]是典型的無(wú)監(jiān)督學(xué)習(xí)算法。實(shí)際的聚類(lèi)應(yīng)用沒(méi)有任何關(guān)于訓(xùn)練樣本的真實(shí)分類(lèi)信息,因此目標(biāo)是根據(jù)特征的相似性對(duì)樣本進(jìn)行分組。

    K-means 算法可以通過(guò)以下4 個(gè)步驟來(lái)實(shí)現(xiàn):

    (1)隨機(jī)從樣本中挑選k個(gè)重心作為初始聚類(lèi)中心。

    (2)將每個(gè)樣本分配到最近的重心uj,j∈{1,…,k}。

    (3)把重心移到已分配樣本的中心。

    (4)重復(fù)步驟(2)和(3),直到集群賦值不再改變,或達(dá)到設(shè)置的最大迭代次數(shù)。

    1.4 改進(jìn)的K-means 算法

    傳統(tǒng)的K-means 算法有受初始值和離群點(diǎn)的影響,每次結(jié)果都不穩(wěn)定;容易收斂到局部最優(yōu)解;無(wú)法解決“簇”分布差別比較大的情況等缺點(diǎn)。K-mean++算法[12]在其基礎(chǔ)上對(duì)初始聚類(lèi)中心的選擇進(jìn)行了改進(jìn),提高了模型的收斂速率,降低了誤差。

    為有效解決上述問(wèn)題并實(shí)現(xiàn)開(kāi)集識(shí)別,本文以傳統(tǒng)K-means 算法為基礎(chǔ),結(jié)合Kernel K-means[13]的改進(jìn)思想,引入“半監(jiān)督學(xué)習(xí)”機(jī)制,對(duì)K-means聚類(lèi)中心選擇和判決策略進(jìn)行如下改進(jìn):(1)在第一步中采用部分標(biāo)識(shí)樣本以確定初始聚類(lèi)中心。(2)標(biāo)識(shí)樣本在后續(xù)的聚類(lèi)步驟中標(biāo)簽保持不變。(3)分別應(yīng)用余弦系數(shù)、Dice 系數(shù)等相似性度量方法確定聚類(lèi)中心。(4)對(duì)待測(cè)樣本識(shí)別時(shí),設(shè)定閾值,最大相似度小于閾值時(shí)識(shí)別為未知類(lèi)別。

    1.5 船舶輻射噪聲開(kāi)集識(shí)別方法

    本文所提船舶噪聲開(kāi)集識(shí)別方法具體包括如下兩個(gè)過(guò)程:

    (1)運(yùn)用深度神經(jīng)網(wǎng)絡(luò)(DNN)提取船舶輻射噪聲的特征向量。

    首先,對(duì)船舶噪聲進(jìn)行Welch 方法的譜估計(jì),獲得歸一化的單邊功率譜。其次,設(shè)計(jì)深度神經(jīng)網(wǎng)絡(luò),將功率譜部分離散的功率值作為特征參數(shù)訓(xùn)練和驗(yàn)證網(wǎng)絡(luò)模型,改變起始頻率和帶寬進(jìn)行重復(fù)訓(xùn)練和驗(yàn)證,選擇網(wǎng)絡(luò)最小損失函數(shù)值對(duì)應(yīng)的起始頻率和帶寬,確定輸入特征向量的提取方法。最后,將訓(xùn)練集樣本輸入已訓(xùn)練的最小損失網(wǎng)絡(luò)進(jìn)行分類(lèi),提取網(wǎng)絡(luò)輸出層softmax 函數(shù)激活前的值作為特征向量。該過(guò)程的流程如圖1 所示。

    圖1 DNN 提取特征向量流程圖 Fig.1 Flow chart of feature vector extraction by DNN

    (2)針對(duì)過(guò)程(1)中DNN 提取的訓(xùn)練集特征向量,將分類(lèi)正確且置信度大于0.95 的樣本繼續(xù)作為已標(biāo)識(shí)樣本,即正樣本,其余樣本作為未標(biāo)識(shí)樣本,即難負(fù)樣本,訓(xùn)練改進(jìn)策略的K-means 模型,確定聚類(lèi)中心。然后,將DNN 提取的測(cè)試集樣本特征向量輸入訓(xùn)練好的聚類(lèi)模型,設(shè)定閾值進(jìn)行開(kāi)集識(shí)別。改進(jìn)的K-means 開(kāi)集識(shí)別流程如圖2 所示。

    圖2 改進(jìn)的K-means 開(kāi)集識(shí)別流程圖 Fig.2 Flow chart of open set recognition by improved K-means

    2 實(shí)驗(yàn)及結(jié)果

    2.1 實(shí)驗(yàn)數(shù)據(jù)獲取

    實(shí)驗(yàn)采用2018 年6 月在某湖試中實(shí)測(cè)的船舶輻射噪聲數(shù)據(jù)。該實(shí)驗(yàn)采用Ocean Sonics 生產(chǎn)的icListen-900 自容式水聽(tīng)器,工作頻帶為1 Hz~100 kHz,以潛標(biāo)形式布放湖底采集噪聲數(shù)據(jù)。實(shí)驗(yàn)設(shè)備布放圖如圖3 所示。實(shí)驗(yàn)地點(diǎn)選擇在游船頻繁經(jīng)過(guò)的水域,采集的目標(biāo)船舶輻射噪聲具有通過(guò)特性,受其他船只噪聲干擾較小。

    圖3 實(shí)驗(yàn)設(shè)備布放圖 Fig.3 Layout of experimental equipment

    實(shí)測(cè)目標(biāo)為10 艘不同的游船,分別記為目標(biāo)Ⅰ~Ⅹ。對(duì)獲取的輻射噪聲信號(hào)預(yù)處理共得到數(shù)據(jù)4 560 段,每段數(shù)據(jù)長(zhǎng)度均為3 s,采樣率為32 kHz。將目標(biāo)Ⅹ記為未知船舶,其他目標(biāo)記為已知船舶,訓(xùn)練集、驗(yàn)證集、測(cè)試集中各類(lèi)樣本組成如表1 所示。

    表1 數(shù)據(jù)集樣本組成 Table 1 Sample composition of data sets

    2.2 基于船舶輻射噪聲實(shí)測(cè)數(shù)據(jù)的開(kāi)集識(shí)別實(shí)驗(yàn)

    對(duì)采集的每一段數(shù)據(jù)均做Welch 方法的功率譜估計(jì),分段數(shù)為5,重疊率為0.5,窗函數(shù)選用漢明(Hamming)窗,頻率采樣間隔為1 Hz。由于高識(shí)別性的線譜主要集中在200 Hz 以?xún)?nèi)的低頻部分,且2 000 Hz 以?xún)?nèi)的連續(xù)譜形態(tài)變化也是重要的識(shí)別因素之一。因此采用不同的方法對(duì)功率譜進(jìn)行截取。起始頻率分別選擇1、21、41、81、101 Hz,點(diǎn)數(shù)分別選擇300、600、900、1 200、1 500。

    本文設(shè)計(jì)的深度神經(jīng)網(wǎng)絡(luò)(DNN)具有三個(gè)隱藏層,其輸入層節(jié)點(diǎn)數(shù)n為輸入特征向量的維數(shù),由截取功率譜的點(diǎn)數(shù)決定。網(wǎng)絡(luò)各層的節(jié)點(diǎn)數(shù)和訓(xùn)練的參數(shù)數(shù)量如表2 所示。

    表2 層節(jié)點(diǎn)數(shù)和參數(shù)數(shù)量 Table 2 Number of layer nodes and parameters

    采用不同的截取方法獲得的特征向量訓(xùn)練和驗(yàn)證本文設(shè)計(jì)的深度神經(jīng)網(wǎng)絡(luò)(DNN)。當(dāng)起始頻率為21 Hz、點(diǎn)數(shù)為1 200 時(shí),即選用頻率21~1 220 Hz 對(duì)應(yīng)的功率值作為特征向量時(shí),DNN 的驗(yàn)證損失最小,最小值收斂于8.29×10-4。在此條件下,網(wǎng)絡(luò)迭代20 次的精度和損失曲線分別如圖4 和圖5所示。迭代完成后,網(wǎng)絡(luò)對(duì)訓(xùn)練集分類(lèi)的平均正確率為99.1%,對(duì)驗(yàn)證集分類(lèi)的平均正確率為97.3%。

    圖4 訓(xùn)練和驗(yàn)證精度曲線 Fig.4 Accuracy curves for training and verification

    圖5 訓(xùn)練和驗(yàn)證損失曲線 Fig.5 Loss curves for training and verification

    接下來(lái),獲取網(wǎng)絡(luò)對(duì)訓(xùn)練集的分類(lèi)結(jié)果、置信度、特征向量,并根據(jù)本文改進(jìn)K-means 策略訓(xùn)練聚類(lèi)模型,確定聚類(lèi)中心。其中分類(lèi)結(jié)果正確且置信度大于0.95 的樣本數(shù)為1 959。將本文方法確定的聚類(lèi)中心和K-means++算法確定的聚類(lèi)中心通過(guò)PCA[14]降維,如圖6 所示。

    圖6 本文方法與K-means++算法確定的聚類(lèi)中心 Fig.6 The clustering centers determined by the proposed method and K-means++method

    由圖6 可以看出,本文方法確定的聚類(lèi)中心和K-means++算法確定的聚類(lèi)中心有部分較為接近,這是因?yàn)閷?duì)應(yīng)類(lèi)別的數(shù)據(jù)難負(fù)樣本較少,且與其他類(lèi)別的差異較大;本文方法確定的聚類(lèi)中心更能反映實(shí)際數(shù)據(jù)的重心,重心之間的平均相對(duì)距離更遠(yuǎn),更有利于開(kāi)集識(shí)別。

    用本文改進(jìn)K-means 方法對(duì)測(cè)試集樣本進(jìn)行開(kāi)集識(shí)別,并與K-means++算法進(jìn)行對(duì)比,在不同閾值下,分別采用歐式距離、余弦距離、Dice 系數(shù)、曼哈頓距離作為相似性度量方法的ROC 曲線分別如圖7 所示。其中RFR為錯(cuò)誤拒絕率(False Rejection Rate,FRR),表示所有正例(已知類(lèi))中被預(yù)測(cè)為負(fù)例(未知類(lèi))的比例,RFA為錯(cuò)誤接受率(False Acceptance Rate,FAR),表示所有負(fù)例(未知類(lèi))中被預(yù)測(cè)為正例(已知類(lèi))的比例。

    由圖7 可以看出,采用歐式距離、曼哈頓距離、Dice 系數(shù)且RFA<0.6,以及采用余弦系數(shù)且RFA<0.1時(shí),本文方法的FRR 均小于DNN+K-means++方法的FRR。本文方法對(duì)船舶輻射噪聲進(jìn)行開(kāi)集識(shí)別,具有更小的錯(cuò)誤率。當(dāng)RFA=RFR時(shí),開(kāi)集識(shí)別正確率如表3 所示。

    表3 RFR=RFA時(shí)兩種方法對(duì)4 種相似性度量的開(kāi)集識(shí) 別正確率 Table 3 Open set recognition accuracies of the two methods for four different similarity measures when RFR=RFA

    圖7 兩種方法對(duì)4 種相似性度量開(kāi)集識(shí)別的ROC 曲線 Fig.7 ROC curves of open set recognition by the two methods for four different similarity measures

    采用4 種不同的相似性度量方法,當(dāng)RFR=RFA時(shí),本文方法的開(kāi)集識(shí)別正確率均在90%以上,相比于DNN+K-means++方法平均高出6.2 個(gè)百分點(diǎn)。

    接下來(lái),對(duì)獲取的船舶輻射噪聲分別添加信噪比為10、0、?10 dB 的實(shí)驗(yàn)船發(fā)動(dòng)機(jī)噪聲、漁船輻射噪聲,信噪比定義為

    式中:Xt為待識(shí)別船舶輻射噪聲信號(hào),Xn為實(shí)驗(yàn)船發(fā)動(dòng)機(jī)輻射噪聲信號(hào),N為信號(hào)長(zhǎng)度。選用余弦系數(shù)進(jìn)行相似性度量,本文方法對(duì)含噪聲的船舶輻射噪聲信號(hào)開(kāi)集識(shí)別正確率如表4 所示。

    表4 加噪聲后本文方法開(kāi)集識(shí)別正確率 Table 4 Open set recognition accuracy of the proposed method after adding noise

    本文方法具有較好的魯棒性,在實(shí)驗(yàn)船發(fā)動(dòng)機(jī)噪聲和漁船噪聲干擾的情況下,依然能對(duì)目標(biāo)船舶有效地實(shí)現(xiàn)開(kāi)集識(shí)別。當(dāng)信噪比大于0 dB 時(shí),開(kāi)集識(shí)別正確率達(dá)到83%以上。

    3 結(jié)論

    為實(shí)現(xiàn)船舶輻射噪聲的開(kāi)集識(shí)別,本文提出了一種基于DNN 和改進(jìn)K-means(DNN+K-means++)的開(kāi)集識(shí)別算法。根據(jù)網(wǎng)絡(luò)最小損失原則選取功率譜特征,得到了分類(lèi)性能良好的初始特征向量;應(yīng)用深度神經(jīng)網(wǎng)絡(luò)進(jìn)一步提取特征向量,在降維的同時(shí)提高了數(shù)據(jù)的可分性;采用改進(jìn)的K-means 算法,獲得了更符合數(shù)據(jù)分布的聚類(lèi)中心并實(shí)現(xiàn)了船舶輻射噪聲的開(kāi)集識(shí)別。實(shí)驗(yàn)結(jié)果表明,該方法對(duì)實(shí)測(cè)船舶輻射噪聲數(shù)據(jù)有較好的識(shí)別效果,4 種不同的相似性度量方法下,該方法的開(kāi)集識(shí)別性能均優(yōu)于DNN+K-means++方法。采用余弦系數(shù)進(jìn)行相似性度量時(shí),開(kāi)集識(shí)別正確率最高。對(duì)實(shí)測(cè)信號(hào)添加實(shí)驗(yàn)船發(fā)動(dòng)機(jī)噪聲或漁船噪聲后,本文方法的識(shí)別正確率較高,具有較好的魯棒性。

    猜你喜歡
    譜估計(jì)特征向量正確率
    二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計(jì)——以特征值和特征向量為例
    克羅內(nèi)克積的特征向量
    門(mén)診分診服務(wù)態(tài)度與正確率對(duì)護(hù)患關(guān)系的影響
    一類(lèi)特殊矩陣特征向量的求法
    基于MATLAB實(shí)現(xiàn)的AR模型功率譜估計(jì)
    EXCEL表格計(jì)算判斷矩陣近似特征向量在AHP法檢驗(yàn)上的應(yīng)用
    生意
    品管圈活動(dòng)在提高介入手術(shù)安全核查正確率中的應(yīng)用
    生意
    經(jīng)典功率譜估計(jì)方法的研究
    国产人伦9x9x在线观看| 亚洲人与动物交配视频| 又爽又黄无遮挡网站| 黑人欧美特级aaaaaa片| 国产精品99久久99久久久不卡| www.自偷自拍.com| 国产高清视频在线观看网站| 岛国在线免费视频观看| 69av精品久久久久久| 亚洲精品美女久久av网站| 亚洲av成人不卡在线观看播放网| 夜夜看夜夜爽夜夜摸| 免费无遮挡裸体视频| 757午夜福利合集在线观看| 岛国在线观看网站| av福利片在线观看| 精品国产超薄肉色丝袜足j| 免费在线观看影片大全网站| 亚洲 国产 在线| 国产精品影院久久| 嫩草影视91久久| 午夜福利在线观看免费完整高清在 | 亚洲国产精品成人综合色| 五月玫瑰六月丁香| 欧美性猛交黑人性爽| 俄罗斯特黄特色一大片| 综合色av麻豆| 51午夜福利影视在线观看| 黄频高清免费视频| 老鸭窝网址在线观看| 男插女下体视频免费在线播放| 欧美日韩一级在线毛片| 精品久久久久久成人av| 中文在线观看免费www的网站| 激情在线观看视频在线高清| 最新中文字幕久久久久 | 精品久久久久久久久久免费视频| 全区人妻精品视频| 亚洲av美国av| 后天国语完整版免费观看| 久久国产精品人妻蜜桃| 精品国产亚洲在线| 深夜精品福利| 国产欧美日韩一区二区精品| 精品国内亚洲2022精品成人| 欧美一区二区精品小视频在线| 国产高清视频在线观看网站| 操出白浆在线播放| 中文字幕av在线有码专区| 国产高潮美女av| 波多野结衣高清作品| 国产精华一区二区三区| 午夜精品一区二区三区免费看| 午夜两性在线视频| 亚洲18禁久久av| 亚洲精华国产精华精| 亚洲aⅴ乱码一区二区在线播放| 天堂av国产一区二区熟女人妻| 精品久久蜜臀av无| e午夜精品久久久久久久| 99久国产av精品| 美女高潮的动态| 国产野战对白在线观看| 一进一出抽搐gif免费好疼| 又紧又爽又黄一区二区| 成人一区二区视频在线观看| 变态另类丝袜制服| 久久久水蜜桃国产精品网| 露出奶头的视频| 欧美日韩乱码在线| 亚洲精品国产精品久久久不卡| 国产一区二区在线av高清观看| 国产精品av久久久久免费| 男插女下体视频免费在线播放| 日韩有码中文字幕| 成人鲁丝片一二三区免费| 脱女人内裤的视频| 亚洲专区中文字幕在线| 露出奶头的视频| 两人在一起打扑克的视频| 一区二区三区国产精品乱码| 欧美日本亚洲视频在线播放| 亚洲黑人精品在线| 国产又黄又爽又无遮挡在线| 日本黄大片高清| 五月玫瑰六月丁香| 黄色片一级片一级黄色片| 99国产精品99久久久久| 久久人人精品亚洲av| 免费大片18禁| 欧美另类亚洲清纯唯美| 精品国产超薄肉色丝袜足j| 一二三四社区在线视频社区8| 亚洲欧美日韩高清专用| 亚洲在线观看片| 麻豆久久精品国产亚洲av| 久久精品影院6| 成人性生交大片免费视频hd| 国产亚洲精品av在线| 2021天堂中文幕一二区在线观| 久久中文字幕一级| 丰满人妻熟妇乱又伦精品不卡| 欧美日韩综合久久久久久 | www.999成人在线观看| 国产野战对白在线观看| 热99在线观看视频| 欧美在线一区亚洲| 国产精品永久免费网站| 又紧又爽又黄一区二区| 国产爱豆传媒在线观看| 欧美色欧美亚洲另类二区| www.精华液| www.熟女人妻精品国产| 久久久久精品国产欧美久久久| 法律面前人人平等表现在哪些方面| 国产成人欧美在线观看| 一卡2卡三卡四卡精品乱码亚洲| 亚洲第一电影网av| 亚洲中文字幕一区二区三区有码在线看 | 制服丝袜大香蕉在线| 桃色一区二区三区在线观看| 欧美乱码精品一区二区三区| 日本与韩国留学比较| 日本a在线网址| 午夜福利成人在线免费观看| 又紧又爽又黄一区二区| 久久香蕉国产精品| 欧美性猛交╳xxx乱大交人| 一进一出好大好爽视频| 久久久久久久久免费视频了| 久久伊人香网站| 久久热在线av| 欧美高清成人免费视频www| 成年版毛片免费区| 精品电影一区二区在线| avwww免费| 国产精品九九99| 成人无遮挡网站| 美女 人体艺术 gogo| 成人18禁在线播放| 国产亚洲精品综合一区在线观看| 欧美精品啪啪一区二区三区| 久久久久久九九精品二区国产| 久久这里只有精品中国| 国产欧美日韩精品亚洲av| 免费观看人在逋| 欧美在线一区亚洲| www日本在线高清视频| 韩国av一区二区三区四区| 天堂av国产一区二区熟女人妻| 天堂av国产一区二区熟女人妻| 免费看光身美女| 成人三级黄色视频| 色精品久久人妻99蜜桃| 高潮久久久久久久久久久不卡| 欧美三级亚洲精品| 国产一区二区在线av高清观看| aaaaa片日本免费| 日韩国内少妇激情av| 国产精品香港三级国产av潘金莲| 丝袜人妻中文字幕| 国产成人av激情在线播放| 悠悠久久av| 亚洲狠狠婷婷综合久久图片| 女人被狂操c到高潮| 国产精品乱码一区二三区的特点| 18禁国产床啪视频网站| 香蕉国产在线看| 国产精品电影一区二区三区| 97人妻精品一区二区三区麻豆| 两个人视频免费观看高清| 国内久久婷婷六月综合欲色啪| 欧美日韩综合久久久久久 | 国产亚洲av嫩草精品影院| 国产成人av激情在线播放| 国内少妇人妻偷人精品xxx网站 | 色综合欧美亚洲国产小说| 国产精品 欧美亚洲| 99精品在免费线老司机午夜| 久久香蕉精品热| 91麻豆精品激情在线观看国产| 亚洲精华国产精华精| 成人性生交大片免费视频hd| 国产精品自产拍在线观看55亚洲| 后天国语完整版免费观看| 欧洲精品卡2卡3卡4卡5卡区| 日本一本二区三区精品| 人人妻人人看人人澡| 国产高潮美女av| 免费电影在线观看免费观看| 精品国产乱码久久久久久男人| www.www免费av| 午夜精品在线福利| 啪啪无遮挡十八禁网站| 99久久无色码亚洲精品果冻| 夜夜爽天天搞| www.www免费av| 亚洲九九香蕉| 亚洲精品粉嫩美女一区| 在线观看一区二区三区| 男女午夜视频在线观看| 色在线成人网| 18禁黄网站禁片免费观看直播| 国产av在哪里看| 91九色精品人成在线观看| 亚洲av成人精品一区久久| 欧美成人免费av一区二区三区| 亚洲精品乱码久久久v下载方式 | 色综合站精品国产| 精品久久久久久久毛片微露脸| 美女高潮喷水抽搐中文字幕| ponron亚洲| 欧美一区二区精品小视频在线| 此物有八面人人有两片| www日本在线高清视频| 99国产精品一区二区三区| 12—13女人毛片做爰片一| 美女免费视频网站| 一个人免费在线观看电影 | 国产99白浆流出| 日韩欧美三级三区| 久久九九热精品免费| 欧美成人免费av一区二区三区| 国产午夜精品论理片| 每晚都被弄得嗷嗷叫到高潮| 啦啦啦免费观看视频1| 免费av毛片视频| 啪啪无遮挡十八禁网站| www.精华液| 不卡av一区二区三区| 亚洲自拍偷在线| 美女高潮喷水抽搐中文字幕| 午夜精品在线福利| 美女扒开内裤让男人捅视频| 欧美大码av| 午夜日韩欧美国产| 免费看光身美女| 国产精品久久久久久久电影 | 日韩欧美 国产精品| 午夜福利欧美成人| 久久久国产精品麻豆| 午夜福利在线观看吧| 狂野欧美激情性xxxx| 亚洲人成网站高清观看| 老司机深夜福利视频在线观看| 国产午夜福利久久久久久| 国产不卡一卡二| 91av网站免费观看| 老司机午夜福利在线观看视频| 一级毛片高清免费大全| 悠悠久久av| 天堂动漫精品| 欧美乱妇无乱码| 高潮久久久久久久久久久不卡| 日韩中文字幕欧美一区二区| 宅男免费午夜| 俺也久久电影网| 色尼玛亚洲综合影院| 变态另类成人亚洲欧美熟女| 最新中文字幕久久久久 | 午夜精品在线福利| 亚洲精品456在线播放app | 久久久久久九九精品二区国产| 五月玫瑰六月丁香| 午夜精品久久久久久毛片777| 国产精品一区二区免费欧美| 色哟哟哟哟哟哟| 国产私拍福利视频在线观看| 亚洲成av人片免费观看| 国产成人精品久久二区二区免费| 精品人妻1区二区| 床上黄色一级片| 日日干狠狠操夜夜爽| 国产精品久久久久久人妻精品电影| 狠狠狠狠99中文字幕| 18禁美女被吸乳视频| 在线观看美女被高潮喷水网站 | 成在线人永久免费视频| 最近最新中文字幕大全免费视频| 久久久久精品国产欧美久久久| 日韩免费av在线播放| 欧美日韩中文字幕国产精品一区二区三区| 国产亚洲av嫩草精品影院| 国产精品 欧美亚洲| 国语自产精品视频在线第100页| 欧美av亚洲av综合av国产av| 亚洲欧美一区二区三区黑人| 成人鲁丝片一二三区免费| 国产成人精品久久二区二区91| 法律面前人人平等表现在哪些方面| 久久久久久人人人人人| 桃红色精品国产亚洲av| 老司机在亚洲福利影院| 国产伦人伦偷精品视频| 怎么达到女性高潮| 九九久久精品国产亚洲av麻豆 | 色哟哟哟哟哟哟| 成人午夜高清在线视频| 少妇的逼水好多| 久久精品国产清高在天天线| 色综合欧美亚洲国产小说| 亚洲专区中文字幕在线| 亚洲色图 男人天堂 中文字幕| 老司机在亚洲福利影院| 最近最新中文字幕大全免费视频| 国产伦一二天堂av在线观看| 久久精品综合一区二区三区| 黑人欧美特级aaaaaa片| 久久久成人免费电影| 久久久国产成人精品二区| 999精品在线视频| 夜夜爽天天搞| 欧美精品啪啪一区二区三区| 国产精品久久久久久精品电影| 欧美成人性av电影在线观看| 欧美色欧美亚洲另类二区| 国产欧美日韩精品一区二区| 91字幕亚洲| 久久久国产精品麻豆| 两性夫妻黄色片| 五月玫瑰六月丁香| 黄片大片在线免费观看| 免费看日本二区| 国产精品99久久久久久久久| 一区福利在线观看| 又大又爽又粗| 九色国产91popny在线| 亚洲 国产 在线| 制服丝袜大香蕉在线| 国产精品永久免费网站| 日本黄色视频三级网站网址| 欧美一区二区国产精品久久精品| 美女高潮的动态| 国产精品98久久久久久宅男小说| 久久99热这里只有精品18| 欧美乱妇无乱码| 国产又黄又爽又无遮挡在线| 日本成人三级电影网站| 久久精品国产亚洲av香蕉五月| 亚洲成av人片免费观看| 免费在线观看日本一区| 日韩精品青青久久久久久| 国产一区二区三区在线臀色熟女| 两人在一起打扑克的视频| 亚洲专区国产一区二区| 长腿黑丝高跟| 美女高潮的动态| 免费av不卡在线播放| 99精品欧美一区二区三区四区| 热99re8久久精品国产| 国产亚洲精品一区二区www| 最新中文字幕久久久久 | 日本撒尿小便嘘嘘汇集6| 免费看光身美女| 国产精品日韩av在线免费观看| 久久国产精品人妻蜜桃| 国产精品av视频在线免费观看| 少妇的丰满在线观看| 国产乱人视频| 精品一区二区三区视频在线 | 色综合亚洲欧美另类图片| 欧美日韩亚洲国产一区二区在线观看| 美女免费视频网站| 精品久久蜜臀av无| 成人三级黄色视频| 少妇的丰满在线观看| 神马国产精品三级电影在线观看| 国产成人av教育| 日韩免费av在线播放| 香蕉国产在线看| 久久香蕉精品热| 天天躁日日操中文字幕| 久久国产精品影院| 老鸭窝网址在线观看| 激情在线观看视频在线高清| 天天躁日日操中文字幕| 国语自产精品视频在线第100页| 午夜亚洲福利在线播放| 91九色精品人成在线观看| 九色成人免费人妻av| 欧美黄色淫秽网站| 中文字幕高清在线视频| 日本免费一区二区三区高清不卡| 床上黄色一级片| 一进一出抽搐动态| 久久午夜综合久久蜜桃| 亚洲电影在线观看av| 黄片小视频在线播放| 在线观看免费午夜福利视频| 国产午夜精品论理片| avwww免费| 在线观看午夜福利视频| 99热这里只有精品一区 | www日本黄色视频网| 亚洲五月婷婷丁香| 日韩国内少妇激情av| 国产欧美日韩精品亚洲av| 欧美3d第一页| 精品一区二区三区视频在线观看免费| 亚洲国产欧美人成| 成人亚洲精品av一区二区| 亚洲成人久久性| 成人午夜高清在线视频| 99精品在免费线老司机午夜| 97人妻精品一区二区三区麻豆| 久久久色成人| 日韩国内少妇激情av| 亚洲精品国产精品久久久不卡| 少妇的丰满在线观看| 一区二区三区高清视频在线| 午夜福利在线观看吧| 变态另类成人亚洲欧美熟女| www.www免费av| 国产精品98久久久久久宅男小说| 桃红色精品国产亚洲av| 亚洲中文字幕一区二区三区有码在线看 | 日日夜夜操网爽| 床上黄色一级片| 一级毛片高清免费大全| 舔av片在线| 香蕉久久夜色| 午夜亚洲福利在线播放| 色老头精品视频在线观看| 天天躁日日操中文字幕| 99视频精品全部免费 在线 | 国内少妇人妻偷人精品xxx网站 | 久久精品国产亚洲av香蕉五月| 精品久久久久久久久久久久久| 热99在线观看视频| 男女那种视频在线观看| 天堂√8在线中文| 日日夜夜操网爽| 午夜福利免费观看在线| 国产午夜精品论理片| 免费看美女性在线毛片视频| 欧美乱色亚洲激情| 亚洲av第一区精品v没综合| 国产精品乱码一区二三区的特点| 久久中文字幕一级| 又黄又爽又免费观看的视频| 免费观看人在逋| 日本一本二区三区精品| 亚洲熟妇中文字幕五十中出| 欧美日本视频| 亚洲午夜精品一区,二区,三区| 色播亚洲综合网| 超碰成人久久| 男女之事视频高清在线观看| 一个人看视频在线观看www免费 | 少妇的丰满在线观看| 中文字幕人成人乱码亚洲影| 色尼玛亚洲综合影院| 久久久久久久久久黄片| 亚洲午夜理论影院| 69av精品久久久久久| 国产精品98久久久久久宅男小说| 亚洲五月婷婷丁香| 国产精品综合久久久久久久免费| 在线看三级毛片| 人人妻人人澡欧美一区二区| 国产单亲对白刺激| 国产蜜桃级精品一区二区三区| 欧美大码av| 国产欧美日韩精品亚洲av| 看黄色毛片网站| 舔av片在线| 久久久久国产精品人妻aⅴ院| 18禁美女被吸乳视频| 白带黄色成豆腐渣| 男插女下体视频免费在线播放| 老汉色∧v一级毛片| 国产精品美女特级片免费视频播放器 | 十八禁人妻一区二区| 精品一区二区三区视频在线观看免费| 狂野欧美白嫩少妇大欣赏| 一级a爱片免费观看的视频| 美女扒开内裤让男人捅视频| 日本精品一区二区三区蜜桃| 中文字幕av在线有码专区| 性色av乱码一区二区三区2| 国语自产精品视频在线第100页| 国产亚洲av嫩草精品影院| 好男人电影高清在线观看| 欧美中文日本在线观看视频| 久久精品国产亚洲av香蕉五月| 啦啦啦观看免费观看视频高清| or卡值多少钱| 网址你懂的国产日韩在线| 男人和女人高潮做爰伦理| 日韩欧美国产一区二区入口| 一卡2卡三卡四卡精品乱码亚洲| 亚洲,欧美精品.| 美女被艹到高潮喷水动态| 日韩欧美免费精品| 婷婷精品国产亚洲av| 禁无遮挡网站| 亚洲美女黄片视频| 国产激情久久老熟女| 国产高清视频在线观看网站| 久久久久免费精品人妻一区二区| 亚洲精品久久国产高清桃花| 91字幕亚洲| 欧美成人免费av一区二区三区| 亚洲av免费在线观看| 国产高清三级在线| 欧美性猛交黑人性爽| 日韩欧美在线乱码| 男女视频在线观看网站免费| 18禁观看日本| 欧美极品一区二区三区四区| 一二三四社区在线视频社区8| 欧美乱码精品一区二区三区| 18禁裸乳无遮挡免费网站照片| 一区二区三区高清视频在线| 亚洲第一欧美日韩一区二区三区| 亚洲激情在线av| 真人做人爱边吃奶动态| 日韩av在线大香蕉| 亚洲成人久久性| 精品午夜福利视频在线观看一区| 美女高潮喷水抽搐中文字幕| 国产亚洲精品一区二区www| 性色avwww在线观看| 午夜视频精品福利| 色综合欧美亚洲国产小说| 国产成年人精品一区二区| 久久精品亚洲精品国产色婷小说| 久久久久九九精品影院| 女人高潮潮喷娇喘18禁视频| 色尼玛亚洲综合影院| 成人特级av手机在线观看| 超碰成人久久| 久久久色成人| 亚洲欧美日韩无卡精品| 久久热在线av| 久久中文字幕一级| 亚洲中文字幕日韩| 亚洲一区高清亚洲精品| 黄片小视频在线播放| 亚洲国产日韩欧美精品在线观看 | 伦理电影免费视频| 欧美性猛交黑人性爽| 一二三四在线观看免费中文在| 熟女人妻精品中文字幕| www日本黄色视频网| 日日夜夜操网爽| 亚洲欧美日韩卡通动漫| av天堂中文字幕网| 可以在线观看的亚洲视频| 久久这里只有精品中国| 一区二区三区国产精品乱码| 国产精品av久久久久免费| 成人国产综合亚洲| 日韩有码中文字幕| 国产主播在线观看一区二区| 真实男女啪啪啪动态图| 日韩欧美免费精品| 国产99白浆流出| 色视频www国产| 亚洲,欧美精品.| 久久精品亚洲精品国产色婷小说| 亚洲五月婷婷丁香| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲在线自拍视频| 91在线精品国自产拍蜜月 | 九色成人免费人妻av| 又黄又爽又免费观看的视频| 男人的好看免费观看在线视频| 国产爱豆传媒在线观看| 色av中文字幕| АⅤ资源中文在线天堂| 亚洲va日本ⅴa欧美va伊人久久| 又大又爽又粗| 色在线成人网| 亚洲欧美日韩高清在线视频| 国产高清有码在线观看视频| 老熟妇仑乱视频hdxx| 成熟少妇高潮喷水视频| 亚洲国产欧美人成| av福利片在线观看| 在线免费观看不下载黄p国产 | 亚洲欧美日韩高清在线视频| 91在线精品国自产拍蜜月 | 国产成人福利小说| 一个人看的www免费观看视频| 成人性生交大片免费视频hd| 久久精品aⅴ一区二区三区四区| 99久久精品一区二区三区| 嫩草影院入口| av中文乱码字幕在线| 夜夜躁狠狠躁天天躁| 性色av乱码一区二区三区2| 不卡一级毛片| 精品久久蜜臀av无| 美女黄网站色视频| 国产精品99久久久久久久久| 青草久久国产| 日韩成人在线观看一区二区三区| 国产综合懂色| 51午夜福利影视在线观看| 欧美一区二区精品小视频在线| 日韩欧美在线二视频| 午夜福利免费观看在线| 国产精品久久久久久久电影 | 手机成人av网站| 国产精品美女特级片免费视频播放器 | 免费在线观看成人毛片| 精品乱码久久久久久99久播| 韩国av一区二区三区四区| 香蕉国产在线看| 一区福利在线观看| 亚洲午夜理论影院| 成年人黄色毛片网站| 午夜a级毛片| 国产伦一二天堂av在线观看|