• <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
    国产成人精品婷婷| 丝袜喷水一区| 久久女婷五月综合色啪小说 | 亚洲欧洲日产国产| 午夜福利视频1000在线观看| 内地一区二区视频在线| 国产精品一区二区在线观看99| 国产 一区精品| 国产av不卡久久| 国产毛片在线视频| 国产老妇女一区| 久久久久精品久久久久真实原创| 91久久精品国产一区二区成人| 成人鲁丝片一二三区免费| 秋霞伦理黄片| 亚洲av国产av综合av卡| 国产精品爽爽va在线观看网站| 人妻少妇偷人精品九色| 99久久精品一区二区三区| 精品熟女少妇av免费看| 免费观看av网站的网址| 在线观看av片永久免费下载| 22中文网久久字幕| 身体一侧抽搐| 精品人妻偷拍中文字幕| 亚洲精品国产色婷婷电影| 国产淫片久久久久久久久| 又黄又爽又刺激的免费视频.| 免费av不卡在线播放| 精品国产乱码久久久久久小说| 观看美女的网站| 久久99热6这里只有精品| 国产在线男女| 国产精品福利在线免费观看| 偷拍熟女少妇极品色| 久久99热6这里只有精品| 在线播放无遮挡| 亚洲一区二区三区欧美精品 | 国产探花极品一区二区| 欧美bdsm另类| 天天躁日日操中文字幕| 九九爱精品视频在线观看| 黄色一级大片看看| 美女国产视频在线观看| 亚洲va在线va天堂va国产| 中文在线观看免费www的网站| 成人亚洲精品一区在线观看 | 午夜激情久久久久久久| videossex国产| 国产在线一区二区三区精| 色综合色国产| 我的女老师完整版在线观看| 国产精品熟女久久久久浪| av在线老鸭窝| 成年人午夜在线观看视频| 国产日韩欧美亚洲二区| 欧美最新免费一区二区三区| 我的女老师完整版在线观看| 国产人妻一区二区三区在| 国产免费又黄又爽又色| 午夜日本视频在线| 天美传媒精品一区二区| 晚上一个人看的免费电影| 人妻一区二区av| 国产午夜精品久久久久久一区二区三区| 搡老乐熟女国产| 免费黄色在线免费观看| 欧美人与善性xxx| 亚洲真实伦在线观看| 国产高清国产精品国产三级 | 免费看不卡的av| 亚洲精品自拍成人| 国产黄片视频在线免费观看| 国产在线一区二区三区精| 大陆偷拍与自拍| 亚洲国产av新网站| 亚洲欧美中文字幕日韩二区| 国产成人午夜福利电影在线观看| 亚洲精品成人久久久久久| 亚洲精品久久午夜乱码| 国产精品蜜桃在线观看| 国产爽快片一区二区三区| av在线app专区| 在线亚洲精品国产二区图片欧美 | 国产一区二区三区av在线| 一级毛片久久久久久久久女| 欧美极品一区二区三区四区| 99精国产麻豆久久婷婷| 日本猛色少妇xxxxx猛交久久| 日韩亚洲欧美综合| 真实男女啪啪啪动态图| 男女边摸边吃奶| 青春草亚洲视频在线观看| 少妇熟女欧美另类| 国产欧美亚洲国产| 亚洲av.av天堂| 亚洲欧美清纯卡通| 国产免费又黄又爽又色| 国产精品偷伦视频观看了| 日本av手机在线免费观看| 成人亚洲精品av一区二区| 伦理电影大哥的女人| 日韩不卡一区二区三区视频在线| 一级毛片我不卡| 观看免费一级毛片| 男人舔奶头视频| 男女国产视频网站| 在线亚洲精品国产二区图片欧美 | 色婷婷久久久亚洲欧美| 亚洲精华国产精华液的使用体验| 久久精品久久久久久噜噜老黄| 王馨瑶露胸无遮挡在线观看| 最近最新中文字幕大全电影3| 三级国产精品欧美在线观看| 美女xxoo啪啪120秒动态图| 亚洲成人一二三区av| 国产一区二区三区综合在线观看 | 一本久久精品| 人人妻人人看人人澡| 国产精品福利在线免费观看| 91久久精品国产一区二区成人| 尤物成人国产欧美一区二区三区| 男女啪啪激烈高潮av片| 精品少妇久久久久久888优播| 欧美高清性xxxxhd video| 色网站视频免费| 国产欧美另类精品又又久久亚洲欧美| 下体分泌物呈黄色| 国产毛片在线视频| 各种免费的搞黄视频| 国产淫片久久久久久久久| 小蜜桃在线观看免费完整版高清| 在线观看一区二区三区| 麻豆成人午夜福利视频| 欧美激情久久久久久爽电影| 国产成人精品婷婷| 成人亚洲精品av一区二区| 插逼视频在线观看| 久久ye,这里只有精品| 晚上一个人看的免费电影| 亚洲成色77777| av又黄又爽大尺度在线免费看| 国产 精品1| 国产伦在线观看视频一区| 国产黄频视频在线观看| 中文精品一卡2卡3卡4更新| 午夜免费鲁丝| 午夜福利视频1000在线观看| 亚洲精品第二区| 新久久久久国产一级毛片| 午夜福利在线观看免费完整高清在| 色哟哟·www| 干丝袜人妻中文字幕| 白带黄色成豆腐渣| 欧美另类一区| 亚洲不卡免费看| 人妻夜夜爽99麻豆av| 精品一区在线观看国产| 精品人妻一区二区三区麻豆| 日韩av在线免费看完整版不卡| 少妇裸体淫交视频免费看高清| 久久精品国产鲁丝片午夜精品| 三级国产精品欧美在线观看| 女人十人毛片免费观看3o分钟| 又爽又黄a免费视频| 永久免费av网站大全| 听说在线观看完整版免费高清| 亚洲精品国产av蜜桃| 夜夜看夜夜爽夜夜摸| a级毛片免费高清观看在线播放| 国产精品久久久久久久久免| 永久免费av网站大全| 美女xxoo啪啪120秒动态图| 直男gayav资源| 两个人的视频大全免费| 视频中文字幕在线观看| 夜夜爽夜夜爽视频| 男女下面进入的视频免费午夜| 2021少妇久久久久久久久久久| 亚洲人成网站在线观看播放| 黄片wwwwww| 国产亚洲精品久久久com| 在线播放无遮挡| 亚洲欧美成人综合另类久久久| 成年人午夜在线观看视频| 不卡视频在线观看欧美| 国产国拍精品亚洲av在线观看| 建设人人有责人人尽责人人享有的 | 亚洲av福利一区| 韩国高清视频一区二区三区| 国产成人精品久久久久久| 激情 狠狠 欧美| 直男gayav资源| 精品人妻偷拍中文字幕| 亚洲国产精品成人综合色| 免费少妇av软件| 亚洲成人精品中文字幕电影| av女优亚洲男人天堂| 久久精品国产亚洲av涩爱| 亚州av有码| 午夜爱爱视频在线播放| 精品国产一区二区三区久久久樱花 | 男女下面进入的视频免费午夜| 亚洲av免费高清在线观看| 色5月婷婷丁香| 色吧在线观看| 18禁动态无遮挡网站| 亚洲第一区二区三区不卡| 成人漫画全彩无遮挡| av线在线观看网站| av播播在线观看一区| 18禁在线无遮挡免费观看视频| 午夜视频国产福利| 爱豆传媒免费全集在线观看| 久久精品夜色国产| 麻豆成人av视频| 欧美日韩在线观看h| 久久久久久久午夜电影| 亚洲aⅴ乱码一区二区在线播放| 性色av一级| 国产一区有黄有色的免费视频| 国产成人精品福利久久| 26uuu在线亚洲综合色| 在线观看美女被高潮喷水网站| 啦啦啦啦在线视频资源| 黄色配什么色好看| 免费观看a级毛片全部| 黄色怎么调成土黄色| 天堂俺去俺来也www色官网| 97超碰精品成人国产| 边亲边吃奶的免费视频| 欧美精品国产亚洲| 国产亚洲精品久久久com| 午夜精品一区二区三区免费看| 三级国产精品欧美在线观看| 久久久精品94久久精品| 99热6这里只有精品| 国产精品一区二区三区四区免费观看| 91久久精品国产一区二区三区| 亚洲精品一区蜜桃| 哪个播放器可以免费观看大片| 国产精品熟女久久久久浪| 岛国毛片在线播放| av一本久久久久| 国产乱人偷精品视频| av在线观看视频网站免费| 婷婷色综合www| 国产伦在线观看视频一区| 亚洲自偷自拍三级| 亚洲不卡免费看| 蜜臀久久99精品久久宅男| 亚洲欧美清纯卡通| 亚洲最大成人中文| 欧美日韩视频高清一区二区三区二| 国产成人精品一,二区| 少妇丰满av| 国产中年淑女户外野战色| 久久久久久久久久人人人人人人| 一区二区三区四区激情视频| 日韩一区二区视频免费看| 九九久久精品国产亚洲av麻豆| 久久精品国产亚洲网站| av网站免费在线观看视频| 性插视频无遮挡在线免费观看| 免费人成在线观看视频色| 草草在线视频免费看| 99热全是精品| 久久久久久九九精品二区国产| 精品久久久久久久末码| 三级经典国产精品| 日本av手机在线免费观看| 精品久久久噜噜| 又大又黄又爽视频免费| 麻豆乱淫一区二区| av网站免费在线观看视频| 成人无遮挡网站| 不卡视频在线观看欧美| 国产精品精品国产色婷婷| 大又大粗又爽又黄少妇毛片口| 亚洲欧美日韩无卡精品| 国产乱来视频区| 三级国产精品欧美在线观看| 国语对白做爰xxxⅹ性视频网站| 欧美激情国产日韩精品一区| 中国国产av一级| 中文字幕久久专区| 亚洲av福利一区| 直男gayav资源| 哪个播放器可以免费观看大片| 狂野欧美白嫩少妇大欣赏| 国产午夜福利久久久久久| 国产成人a∨麻豆精品| 国产伦在线观看视频一区| 国产一区亚洲一区在线观看| 丝袜脚勾引网站| 成人欧美大片| 亚洲成色77777| 久久久久久伊人网av| 日本av手机在线免费观看| 免费黄网站久久成人精品| av福利片在线观看| 亚洲一级一片aⅴ在线观看| 丝袜脚勾引网站| av在线亚洲专区| 五月伊人婷婷丁香| 丰满少妇做爰视频| videos熟女内射| 欧美xxⅹ黑人| 日韩强制内射视频| 超碰97精品在线观看| 久久久久久久久久久免费av| 成人国产av品久久久| 一级毛片我不卡| 国产精品一区二区三区四区免费观看| 亚洲,一卡二卡三卡| 免费看不卡的av| 又粗又硬又长又爽又黄的视频| av线在线观看网站| 草草在线视频免费看| 欧美成人精品欧美一级黄| 国内少妇人妻偷人精品xxx网站| 日韩免费高清中文字幕av| 网址你懂的国产日韩在线| 精品少妇久久久久久888优播| 免费av观看视频| 国产亚洲午夜精品一区二区久久 | 国产精品爽爽va在线观看网站| 男女无遮挡免费网站观看| 99热网站在线观看| 蜜桃久久精品国产亚洲av| 国产精品福利在线免费观看| 久久人人爽人人片av| 久久久亚洲精品成人影院| 2021少妇久久久久久久久久久| 色网站视频免费| 亚洲aⅴ乱码一区二区在线播放| 一个人看视频在线观看www免费| 91久久精品国产一区二区三区| 国产淫语在线视频| 麻豆国产97在线/欧美| 国产精品爽爽va在线观看网站| 日韩电影二区| 欧美另类一区| 日韩欧美一区视频在线观看 | 男人舔奶头视频| 久久久久网色| 边亲边吃奶的免费视频| 亚洲人与动物交配视频| 久久久亚洲精品成人影院| 人妻少妇偷人精品九色| 亚洲精品自拍成人| 97精品久久久久久久久久精品| 两个人的视频大全免费| 最近手机中文字幕大全| 亚洲国产高清在线一区二区三| 一区二区三区免费毛片| 人体艺术视频欧美日本| 最近手机中文字幕大全| 三级国产精品欧美在线观看| 性色avwww在线观看| 亚洲av二区三区四区| 国产成人a∨麻豆精品| 色综合色国产| videossex国产| 夫妻性生交免费视频一级片| 丰满少妇做爰视频| 成年女人看的毛片在线观看| 亚洲国产色片| 纵有疾风起免费观看全集完整版| 日韩成人av中文字幕在线观看| 国产亚洲av片在线观看秒播厂| 国产老妇女一区| 久久精品久久久久久噜噜老黄| 丝袜美腿在线中文| 精品亚洲乱码少妇综合久久| 午夜福利高清视频| 综合色丁香网| 一级爰片在线观看| 只有这里有精品99| 欧美xxxx黑人xx丫x性爽| 久久这里有精品视频免费| 日本色播在线视频| 日本一二三区视频观看| 在线播放无遮挡| 国产成人91sexporn| 午夜激情福利司机影院| h日本视频在线播放| 国产亚洲最大av| 亚洲精品一区蜜桃| 亚洲精品亚洲一区二区| 一本久久精品| 不卡视频在线观看欧美| 麻豆国产97在线/欧美| 狠狠精品人妻久久久久久综合| 国产毛片a区久久久久| 日韩强制内射视频| 国产伦在线观看视频一区| 大码成人一级视频| av线在线观看网站| 18禁裸乳无遮挡动漫免费视频 | 成人漫画全彩无遮挡| 国产毛片在线视频| 欧美激情在线99| 五月开心婷婷网| 六月丁香七月| 制服丝袜香蕉在线| 狂野欧美白嫩少妇大欣赏| 欧美亚洲 丝袜 人妻 在线| 久久99热6这里只有精品| 国产精品无大码| 亚洲国产成人一精品久久久| 国产成人91sexporn| 99热这里只有是精品50| 一级片'在线观看视频| 成人欧美大片| 超碰av人人做人人爽久久| 高清视频免费观看一区二区| 日日摸夜夜添夜夜爱| 波野结衣二区三区在线| 国产精品嫩草影院av在线观看| 国产成人精品久久久久久| 成年人午夜在线观看视频| 日韩av在线免费看完整版不卡| 建设人人有责人人尽责人人享有的 | 免费观看在线日韩| 禁无遮挡网站| 纵有疾风起免费观看全集完整版| 韩国av在线不卡| 成人黄色视频免费在线看| 特大巨黑吊av在线直播| 免费电影在线观看免费观看| 男人添女人高潮全过程视频| 激情 狠狠 欧美| 亚洲在久久综合| 久久精品久久精品一区二区三区| 久久久久久久久久人人人人人人| 男人爽女人下面视频在线观看| 日韩av在线免费看完整版不卡| 国产69精品久久久久777片| 五月伊人婷婷丁香| 国产 一区 欧美 日韩| 一边亲一边摸免费视频| 人人妻人人爽人人添夜夜欢视频 | 成人国产麻豆网| 久久精品国产鲁丝片午夜精品| 亚洲自偷自拍三级| 国产又色又爽无遮挡免| 午夜亚洲福利在线播放| 最近中文字幕2019免费版| 老司机影院成人| 久久热精品热| 如何舔出高潮| 久久久久久伊人网av| 久久久a久久爽久久v久久| 菩萨蛮人人尽说江南好唐韦庄| 国产一区有黄有色的免费视频| 日本与韩国留学比较| 国产片特级美女逼逼视频| 在线天堂最新版资源| 毛片一级片免费看久久久久| 欧美+日韩+精品| 日本与韩国留学比较| 听说在线观看完整版免费高清| 精品少妇久久久久久888优播| 美女被艹到高潮喷水动态| 黑人高潮一二区| 国产色婷婷99| 日韩av免费高清视频| 久久久a久久爽久久v久久| 各种免费的搞黄视频| 亚洲天堂国产精品一区在线| 亚洲av.av天堂| 国产久久久一区二区三区| 久久国产乱子免费精品| 麻豆精品久久久久久蜜桃| av在线观看视频网站免费| 三级国产精品片| 久久99蜜桃精品久久| 91精品国产九色| 免费观看a级毛片全部| 国产精品蜜桃在线观看| 久久精品久久久久久噜噜老黄| 亚洲人成网站在线播| 少妇丰满av| 99热这里只有精品一区| 精品国产乱码久久久久久小说| 国产精品久久久久久久久免| 久久国产乱子免费精品| 亚洲人成网站在线播| 又大又黄又爽视频免费| 狠狠精品人妻久久久久久综合| 亚洲精品成人久久久久久| 国产v大片淫在线免费观看| 久久精品久久久久久噜噜老黄| av黄色大香蕉| 亚洲国产精品专区欧美| videos熟女内射| 97超视频在线观看视频| 亚洲三级黄色毛片| 国产黄a三级三级三级人| 赤兔流量卡办理| 免费大片18禁| 亚洲欧美成人精品一区二区| 亚洲av电影在线观看一区二区三区 | 国产淫语在线视频| 国产成人福利小说| 国产成人午夜福利电影在线观看| 一级毛片电影观看| 成年版毛片免费区| 偷拍熟女少妇极品色| 日日摸夜夜添夜夜添av毛片| 国产男女内射视频| 人妻 亚洲 视频| 大片电影免费在线观看免费| 精品久久久久久久人妻蜜臀av| 97在线视频观看| 日韩成人伦理影院| 69人妻影院| 三级男女做爰猛烈吃奶摸视频| 最近手机中文字幕大全| 日本黄大片高清| 日韩 亚洲 欧美在线| 亚洲精品视频女| 国产精品久久久久久久久免| 最新中文字幕久久久久| 97在线人人人人妻| xxx大片免费视频| 精品久久久久久久人妻蜜臀av| a级毛片免费高清观看在线播放| 亚洲无线观看免费| av国产精品久久久久影院| 欧美区成人在线视频| 在线 av 中文字幕| 22中文网久久字幕| 亚洲精品第二区| 日本色播在线视频| 蜜桃久久精品国产亚洲av| www.色视频.com| 国产精品麻豆人妻色哟哟久久| 18禁裸乳无遮挡动漫免费视频 | 亚洲欧美日韩无卡精品| 久久久久久久大尺度免费视频| 久久久成人免费电影| 亚洲人成网站高清观看| 国产av不卡久久| 亚洲无线观看免费| 免费观看无遮挡的男女| 欧美最新免费一区二区三区| 禁无遮挡网站| 亚洲精品久久久久久婷婷小说| 大香蕉97超碰在线| 亚洲精品aⅴ在线观看| 久久人人爽人人片av| 亚洲自拍偷在线| 熟妇人妻不卡中文字幕| 日日撸夜夜添| 免费少妇av软件| 国产亚洲最大av| 伊人久久精品亚洲午夜| av卡一久久| 国产精品久久久久久久电影| 国产成人aa在线观看| 国产精品无大码| 亚洲国产精品国产精品| 国产精品国产三级国产av玫瑰| 亚洲在线观看片| 久久精品综合一区二区三区| kizo精华| 亚洲欧美日韩卡通动漫| 久久女婷五月综合色啪小说 | 99re6热这里在线精品视频| 毛片女人毛片| 亚洲熟女精品中文字幕| 可以在线观看毛片的网站| 免费观看无遮挡的男女| 亚洲精品亚洲一区二区| 中文字幕人妻熟人妻熟丝袜美| 欧美性猛交╳xxx乱大交人| 亚洲国产高清在线一区二区三| 如何舔出高潮| 夫妻午夜视频| 人体艺术视频欧美日本| 亚洲精品456在线播放app| 一边亲一边摸免费视频| 国产精品一区二区在线观看99| 国产乱来视频区| xxx大片免费视频| 大香蕉久久网| 麻豆乱淫一区二区| 亚州av有码| 五月开心婷婷网| 国产精品国产三级国产专区5o| 爱豆传媒免费全集在线观看| 岛国毛片在线播放| 少妇人妻精品综合一区二区| 亚洲av.av天堂| 亚洲欧美日韩东京热| 国产美女午夜福利| 日韩大片免费观看网站| 十八禁网站网址无遮挡 | 春色校园在线视频观看| 亚洲精品成人久久久久久| 80岁老熟妇乱子伦牲交| 久久久久九九精品影院| 精品久久久久久久久亚洲| 久久久精品免费免费高清| 王馨瑶露胸无遮挡在线观看| 亚洲欧美精品专区久久| 久久这里有精品视频免费| 日韩欧美精品免费久久| 精华霜和精华液先用哪个| 人人妻人人看人人澡| 亚洲四区av| 亚洲怡红院男人天堂| 亚洲,欧美,日韩|