• <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
    日本与韩国留学比较| 99精品在免费线老司机午夜| 国产成人啪精品午夜网站| 国产美女午夜福利| 日本一二三区视频观看| 一区二区三区免费毛片| 欧美在线一区亚洲| 偷拍熟女少妇极品色| 天堂√8在线中文| 日本精品一区二区三区蜜桃| 久久99热这里只有精品18| 97碰自拍视频| 午夜福利在线观看免费完整高清在 | 国产一区二区激情短视频| 亚洲av成人av| 亚洲片人在线观看| 18禁黄网站禁片免费观看直播| 精品人妻偷拍中文字幕| 亚洲 欧美 日韩 在线 免费| 99视频精品全部免费 在线| 婷婷亚洲欧美| 757午夜福利合集在线观看| 内射极品少妇av片p| 亚洲午夜理论影院| 韩国av一区二区三区四区| 欧美3d第一页| 夜夜夜夜夜久久久久| 少妇人妻精品综合一区二区 | 国模一区二区三区四区视频| 精品久久久久久久末码| 夜夜爽天天搞| 97热精品久久久久久| 欧美成人一区二区免费高清观看| 久久午夜福利片| 最后的刺客免费高清国语| 欧美zozozo另类| 欧美黑人巨大hd| 中国美女看黄片| 亚洲最大成人手机在线| 最近最新免费中文字幕在线| 欧美xxxx黑人xx丫x性爽| 欧美xxxx黑人xx丫x性爽| 俺也久久电影网| 久久久色成人| 麻豆成人午夜福利视频| 国产美女午夜福利| 亚洲人成伊人成综合网2020| 欧美3d第一页| 蜜桃久久精品国产亚洲av| 国产久久久一区二区三区| www.熟女人妻精品国产| 色尼玛亚洲综合影院| 天堂影院成人在线观看| 亚洲人成网站高清观看| 窝窝影院91人妻| 99久久99久久久精品蜜桃| 熟妇人妻久久中文字幕3abv| 亚洲国产精品合色在线| 成人高潮视频无遮挡免费网站| 亚洲国产精品合色在线| 精品不卡国产一区二区三区| 亚洲中文字幕日韩| 12—13女人毛片做爰片一| 又粗又爽又猛毛片免费看| 亚洲精品一区av在线观看| 亚洲自拍偷在线| 亚洲成人中文字幕在线播放| 亚洲片人在线观看| 美女高潮喷水抽搐中文字幕| 变态另类丝袜制服| 亚洲人成伊人成综合网2020| 极品教师在线视频| 欧美国产日韩亚洲一区| 国产色爽女视频免费观看| 看免费av毛片| 日日摸夜夜添夜夜添小说| 99久久精品国产亚洲精品| aaaaa片日本免费| 91麻豆av在线| 99riav亚洲国产免费| 欧美激情在线99| 亚洲av免费在线观看| 18禁在线播放成人免费| 午夜福利在线观看吧| 国产精品嫩草影院av在线观看 | 在线观看免费视频日本深夜| 亚洲在线观看片| 午夜激情福利司机影院| 精品免费久久久久久久清纯| 久久久成人免费电影| av在线蜜桃| 搡老熟女国产l中国老女人| 精品无人区乱码1区二区| 亚洲欧美日韩卡通动漫| 亚洲av美国av| 五月伊人婷婷丁香| 此物有八面人人有两片| 国内精品美女久久久久久| h日本视频在线播放| 91狼人影院| 丁香六月欧美| 九色国产91popny在线| 国产欧美日韩精品一区二区| 欧美成人免费av一区二区三区| 欧美色视频一区免费| 亚洲精品久久国产高清桃花| 女人十人毛片免费观看3o分钟| 俄罗斯特黄特色一大片| 国产精品日韩av在线免费观看| 99久久精品热视频| 无遮挡黄片免费观看| 嫩草影视91久久| 99久久久亚洲精品蜜臀av| 久久精品91蜜桃| 亚洲专区国产一区二区| 日韩精品中文字幕看吧| 91狼人影院| 9191精品国产免费久久| 国产激情偷乱视频一区二区| 又黄又爽又刺激的免费视频.| 免费黄网站久久成人精品 | 亚洲精品亚洲一区二区| 日韩欧美 国产精品| 国产精品久久久久久久电影| 亚洲经典国产精华液单 | 少妇裸体淫交视频免费看高清| 国产一区二区三区在线臀色熟女| 成年女人永久免费观看视频| 国产精品一区二区三区四区久久| 国产91精品成人一区二区三区| 99久久精品热视频| 亚洲片人在线观看| 日韩中字成人| 午夜福利18| 神马国产精品三级电影在线观看| 国产精品综合久久久久久久免费| 成年女人看的毛片在线观看| 亚洲专区国产一区二区| 黄色日韩在线| 伦理电影大哥的女人| 欧美精品啪啪一区二区三区| 99国产精品一区二区三区| 特级一级黄色大片| 特级一级黄色大片| 国产伦一二天堂av在线观看| 国产午夜精品论理片| 好看av亚洲va欧美ⅴa在| 亚洲无线观看免费| 国产精品99久久久久久久久| 亚洲美女搞黄在线观看 | 国产精品免费一区二区三区在线| 色吧在线观看| 亚洲精品色激情综合| 精品乱码久久久久久99久播| 午夜免费成人在线视频| 成人特级黄色片久久久久久久| 日韩中文字幕欧美一区二区| 动漫黄色视频在线观看| 精品一区二区三区人妻视频| 12—13女人毛片做爰片一| 国内少妇人妻偷人精品xxx网站| ponron亚洲| 日韩欧美国产一区二区入口| av中文乱码字幕在线| 最好的美女福利视频网| 国产野战对白在线观看| 村上凉子中文字幕在线| 琪琪午夜伦伦电影理论片6080| 欧美成狂野欧美在线观看| 国产成人啪精品午夜网站| 欧美另类亚洲清纯唯美| 精品久久久久久成人av| 亚洲久久久久久中文字幕| 一卡2卡三卡四卡精品乱码亚洲| 一级av片app| 特大巨黑吊av在线直播| 成人亚洲精品av一区二区| 中文字幕免费在线视频6| 国产精品久久电影中文字幕| 亚洲美女搞黄在线观看 | 婷婷六月久久综合丁香| 国产精品久久久久久精品电影| 色综合亚洲欧美另类图片| 久久久久久久亚洲中文字幕 | 在线观看av片永久免费下载| 亚洲中文字幕一区二区三区有码在线看| 欧美激情久久久久久爽电影| 色5月婷婷丁香| 成人精品一区二区免费| 啦啦啦观看免费观看视频高清| 午夜久久久久精精品| 18+在线观看网站| 成人特级黄色片久久久久久久| 欧美又色又爽又黄视频| www.色视频.com| 亚洲内射少妇av| 在现免费观看毛片| 日本一本二区三区精品| 看十八女毛片水多多多| 国产毛片a区久久久久| 成年版毛片免费区| 看十八女毛片水多多多| 成年版毛片免费区| 变态另类成人亚洲欧美熟女| 亚洲专区国产一区二区| 99视频精品全部免费 在线| 午夜两性在线视频| 亚洲精品在线美女| 成年女人看的毛片在线观看| 日本黄色视频三级网站网址| 成人特级黄色片久久久久久久| 午夜两性在线视频| 日韩中文字幕欧美一区二区| 在线a可以看的网站| 国产精品98久久久久久宅男小说| 成人国产综合亚洲| 亚洲色图av天堂| 亚洲一区二区三区色噜噜| 久久欧美精品欧美久久欧美| 一a级毛片在线观看| 国产精品免费一区二区三区在线| 色综合站精品国产| 亚洲国产精品成人综合色| 久久性视频一级片| 很黄的视频免费| 蜜桃久久精品国产亚洲av| 国产精品电影一区二区三区| 欧美激情国产日韩精品一区| 亚洲中文字幕日韩| 久久久久亚洲av毛片大全| 久久精品国产自在天天线| 亚洲熟妇中文字幕五十中出| 免费观看人在逋| 免费观看的影片在线观看| 99久久精品国产亚洲精品| 色尼玛亚洲综合影院| 精品久久久久久久人妻蜜臀av| 欧美精品啪啪一区二区三区| 永久网站在线| 久久国产乱子伦精品免费另类| 丰满人妻一区二区三区视频av| 嫩草影院精品99| 久久久久国内视频| 亚洲欧美激情综合另类| 亚洲不卡免费看| 少妇的逼水好多| 亚洲色图av天堂| 91午夜精品亚洲一区二区三区 | eeuss影院久久| 有码 亚洲区| 亚洲精品影视一区二区三区av| 一进一出抽搐动态| 国产久久久一区二区三区| 少妇的逼水好多| 国产老妇女一区| 自拍偷自拍亚洲精品老妇| 黄片小视频在线播放| 欧美性感艳星| 青草久久国产| 特大巨黑吊av在线直播| 国产精品野战在线观看| 亚洲av二区三区四区| 一本精品99久久精品77| 午夜福利在线观看免费完整高清在 | 全区人妻精品视频| АⅤ资源中文在线天堂| 亚洲成人久久爱视频| 别揉我奶头 嗯啊视频| av天堂中文字幕网| 色在线成人网| 国产一区二区在线av高清观看| 国产精品久久视频播放| 99热这里只有是精品在线观看 | 一进一出好大好爽视频| 搡老妇女老女人老熟妇| 精品无人区乱码1区二区| 怎么达到女性高潮| 亚洲精品一卡2卡三卡4卡5卡| 亚洲精品一区av在线观看| 亚洲熟妇中文字幕五十中出| 欧美成人a在线观看| 国产精品亚洲av一区麻豆| 免费观看精品视频网站| 亚洲av二区三区四区| 少妇人妻一区二区三区视频| 成年女人永久免费观看视频| 一本久久中文字幕| 亚洲男人的天堂狠狠| 国内精品美女久久久久久| 国内揄拍国产精品人妻在线| 免费大片18禁| 国产麻豆成人av免费视频| 国产色婷婷99| 欧美日韩综合久久久久久 | 免费观看精品视频网站| 麻豆成人av在线观看| 日韩中字成人| 我要搜黄色片| 欧美极品一区二区三区四区| 伦理电影大哥的女人| 高清日韩中文字幕在线| 色播亚洲综合网| 国产v大片淫在线免费观看| 在线播放无遮挡| 日本免费一区二区三区高清不卡| 99热只有精品国产| 99久久无色码亚洲精品果冻| 国产亚洲欧美98| 亚洲中文日韩欧美视频| 亚洲一区二区三区色噜噜| 国产欧美日韩一区二区三| 免费人成视频x8x8入口观看| 女人被狂操c到高潮| 国产熟女xx| 国产三级在线视频| a级毛片免费高清观看在线播放| 久久午夜亚洲精品久久| 国产aⅴ精品一区二区三区波| 免费av不卡在线播放| 精品国产三级普通话版| 亚洲av熟女| 国产精品久久久久久久久免 | 亚洲一区二区三区色噜噜| 国产精品一及| www.www免费av| 亚洲不卡免费看| 老熟妇乱子伦视频在线观看| www日本黄色视频网| 最近中文字幕高清免费大全6 | 亚洲国产欧美人成| 麻豆成人午夜福利视频| 久久久久久久亚洲中文字幕 | 中国美女看黄片| 校园春色视频在线观看| 国产毛片a区久久久久| 五月伊人婷婷丁香| 91在线精品国自产拍蜜月| 很黄的视频免费| 人人妻人人看人人澡| 日韩人妻高清精品专区| 女生性感内裤真人,穿戴方法视频| 99在线视频只有这里精品首页| 亚洲av成人精品一区久久| 精品国产亚洲在线| 欧美黑人欧美精品刺激| 麻豆成人午夜福利视频| 脱女人内裤的视频| 日本黄大片高清| 亚洲熟妇熟女久久| 成人性生交大片免费视频hd| 窝窝影院91人妻| 好男人电影高清在线观看| 国产三级黄色录像| 国产麻豆成人av免费视频| 日日摸夜夜添夜夜添小说| 久久热精品热| 九九热线精品视视频播放| 在线免费观看不下载黄p国产 | 脱女人内裤的视频| АⅤ资源中文在线天堂| 成人无遮挡网站| www.熟女人妻精品国产| 午夜两性在线视频| 天堂动漫精品| 国产真实乱freesex| 麻豆一二三区av精品| 亚洲av成人不卡在线观看播放网| 18禁在线播放成人免费| 国产视频内射| 特级一级黄色大片| av国产免费在线观看| 日本 欧美在线| 国产大屁股一区二区在线视频| 国产老妇女一区| 五月玫瑰六月丁香| 一进一出抽搐动态| 欧美日韩国产亚洲二区| 亚洲精品久久国产高清桃花| 久久人妻av系列| 不卡一级毛片| 欧美性猛交黑人性爽| 美女高潮的动态| 欧美激情久久久久久爽电影| 99久久精品热视频| 桃红色精品国产亚洲av| 国内精品久久久久精免费| 国产爱豆传媒在线观看| 亚洲最大成人av| 老司机福利观看| 欧美最新免费一区二区三区 | 亚洲av第一区精品v没综合| 午夜福利成人在线免费观看| 网址你懂的国产日韩在线| 国产精品,欧美在线| 真人一进一出gif抽搐免费| 真人做人爱边吃奶动态| 国产av在哪里看| 狠狠狠狠99中文字幕| 国产精品永久免费网站| 国产午夜福利久久久久久| 床上黄色一级片| 亚洲成a人片在线一区二区| 人妻制服诱惑在线中文字幕| 中文字幕人成人乱码亚洲影| 97热精品久久久久久| 日韩大尺度精品在线看网址| 欧美又色又爽又黄视频| 两个人视频免费观看高清| 亚洲人成网站高清观看| 大型黄色视频在线免费观看| 性色av乱码一区二区三区2| 亚洲第一电影网av| 一区二区三区高清视频在线| 俄罗斯特黄特色一大片| 亚洲av电影不卡..在线观看| 久久精品91蜜桃| 亚洲av电影在线进入| 99热这里只有精品一区| 永久网站在线| 听说在线观看完整版免费高清| 欧洲精品卡2卡3卡4卡5卡区| 欧美日韩黄片免| 露出奶头的视频| 婷婷丁香在线五月| 成人特级黄色片久久久久久久| 精品久久国产蜜桃| 蜜桃亚洲精品一区二区三区| 精品不卡国产一区二区三区| 日本免费a在线| 中文字幕人妻熟人妻熟丝袜美| 一区二区三区高清视频在线| 亚洲熟妇中文字幕五十中出| 男插女下体视频免费在线播放| x7x7x7水蜜桃| 国产在线精品亚洲第一网站| 网址你懂的国产日韩在线| 无遮挡黄片免费观看| 女生性感内裤真人,穿戴方法视频| 99riav亚洲国产免费| 99久国产av精品| netflix在线观看网站| 精品一区二区三区人妻视频| 国产免费av片在线观看野外av| 男女之事视频高清在线观看| 国产麻豆成人av免费视频| 国产精品一区二区免费欧美| 亚洲国产精品合色在线| av在线观看视频网站免费| www.色视频.com| 搡老妇女老女人老熟妇| 少妇人妻精品综合一区二区 | 亚洲午夜理论影院| 三级国产精品欧美在线观看| 久久这里只有精品中国| 俄罗斯特黄特色一大片| 国产成人aa在线观看| 国产成人a区在线观看| 亚洲av二区三区四区| 亚洲精品日韩av片在线观看| 中国美女看黄片| 婷婷亚洲欧美| 欧美午夜高清在线| 热99re8久久精品国产| 国产毛片a区久久久久| 国产欧美日韩精品亚洲av| 首页视频小说图片口味搜索| 日本成人三级电影网站| a级毛片免费高清观看在线播放| 色av中文字幕| 亚洲成人久久性| 日日干狠狠操夜夜爽| 天堂网av新在线| 亚洲国产精品sss在线观看| 亚洲成av人片免费观看| 国产伦在线观看视频一区| 宅男免费午夜| 97超级碰碰碰精品色视频在线观看| 在线观看66精品国产| 一个人免费在线观看的高清视频| 色尼玛亚洲综合影院| 99国产极品粉嫩在线观看| 久久天躁狠狠躁夜夜2o2o| 午夜免费男女啪啪视频观看 | 欧美丝袜亚洲另类 | 久久久久国产精品人妻aⅴ院| www.999成人在线观看| 亚洲欧美精品综合久久99| 国产免费一级a男人的天堂| 成人午夜高清在线视频| 国产精品野战在线观看| 热99在线观看视频| 非洲黑人性xxxx精品又粗又长| 在线a可以看的网站| 免费看美女性在线毛片视频| 精品久久久久久久久久免费视频| 美女大奶头视频| 国产真实乱freesex| 成人美女网站在线观看视频| 女同久久另类99精品国产91| 久久精品国产清高在天天线| 国模一区二区三区四区视频| 中文在线观看免费www的网站| 99视频精品全部免费 在线| 黄色女人牲交| 成人无遮挡网站| 老女人水多毛片| 亚洲电影在线观看av| 88av欧美| 亚洲国产色片| 中文字幕高清在线视频| 精品人妻偷拍中文字幕| 亚洲av日韩精品久久久久久密| 99热6这里只有精品| 国产伦在线观看视频一区| 欧美在线黄色| 天天躁日日操中文字幕| 中文在线观看免费www的网站| 999久久久精品免费观看国产| 有码 亚洲区| 欧美丝袜亚洲另类 | 1024手机看黄色片| 激情在线观看视频在线高清| 黄色视频,在线免费观看| 丁香六月欧美| 亚州av有码| www.熟女人妻精品国产| 18禁黄网站禁片免费观看直播| 非洲黑人性xxxx精品又粗又长| 三级国产精品欧美在线观看| 99riav亚洲国产免费| 网址你懂的国产日韩在线| 69人妻影院| 亚洲无线观看免费| 国产精品日韩av在线免费观看| 男女那种视频在线观看| 99久久精品热视频| 欧美成人免费av一区二区三区| 亚洲真实伦在线观看| 国产真实乱freesex| 亚洲中文字幕日韩| 亚洲国产精品成人综合色| 欧美绝顶高潮抽搐喷水| 我要看日韩黄色一级片| 看片在线看免费视频| 久久人人爽人人爽人人片va | 又黄又爽又免费观看的视频| 99国产综合亚洲精品| 国产伦精品一区二区三区四那| 国产高清视频在线观看网站| 老女人水多毛片| 天堂动漫精品| 免费在线观看日本一区| 九色成人免费人妻av| 精品无人区乱码1区二区| 日韩国内少妇激情av| 两个人视频免费观看高清| 在线a可以看的网站| 成年人黄色毛片网站| 好男人电影高清在线观看| 国产亚洲欧美98| 国产主播在线观看一区二区| 国产综合懂色| 精品久久久久久久末码| 全区人妻精品视频| 国产欧美日韩一区二区精品| 国产精品影院久久| 久久草成人影院| 日韩欧美一区二区三区在线观看| 高清在线国产一区| 十八禁网站免费在线| 免费人成在线观看视频色| 亚洲av成人av| 成人精品一区二区免费| 少妇裸体淫交视频免费看高清| 国产精品98久久久久久宅男小说| 国产亚洲精品久久久com| 午夜福利高清视频| 国内精品久久久久久久电影| 少妇人妻一区二区三区视频| 精品99又大又爽又粗少妇毛片 | 亚洲国产精品sss在线观看| 中出人妻视频一区二区| 日韩欧美一区二区三区在线观看| 国产色爽女视频免费观看| 亚洲熟妇熟女久久| 99精品在免费线老司机午夜| 午夜福利免费观看在线| 韩国av一区二区三区四区| 一个人免费在线观看电影| 伦理电影大哥的女人| 久久久久九九精品影院| 国产精品综合久久久久久久免费| 国产亚洲欧美98| 久久婷婷人人爽人人干人人爱| 乱码一卡2卡4卡精品| 国产国拍精品亚洲av在线观看| 国产亚洲精品综合一区在线观看| 一夜夜www| 麻豆成人av在线观看| 成人av在线播放网站| 亚洲精品在线观看二区| 99久国产av精品| 色综合亚洲欧美另类图片| 十八禁国产超污无遮挡网站| 久久精品影院6| 人人妻人人看人人澡| 欧美成人性av电影在线观看| 在线a可以看的网站| 在现免费观看毛片| 国产三级中文精品| 欧美丝袜亚洲另类 | 亚洲乱码一区二区免费版| 亚洲av电影不卡..在线观看| 国产免费av片在线观看野外av| 怎么达到女性高潮|