• <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 ?

    強噪聲下非平穩(wěn)時延目標信號提取*

    2022-09-28 07:26:40葛雙超王夢蕾
    電訊技術 2022年9期
    關鍵詞:變分時延模態(tài)

    葛雙超,王夢蕾

    (中北大學 儀器與電子學院,太原 030051)

    0 引 言

    由于受各類環(huán)境和人為干擾,電磁測試信號往往包含大量噪聲,特別是隨著各領域?qū)y試精度要求的不斷提高,復雜環(huán)境下微弱有效信號提取逐漸成為一個重點研究課題。

    現(xiàn)實中各種信號普遍存在時域突變性,且頻譜成分復雜,屬于非線性、非平穩(wěn)信號。1998年,Huang等人[1]提出了Hilbert-Huang變換(Hilbert-Huang Translation,HHT),其核心算法為經(jīng)驗模態(tài)分解(Empirical Mode Decomposition,EMD)。該方法可以將信號分解為一系列本征模函數(shù)(Intrinsic Mode Function,IMF),對有效IMF進行Hilbert變換可獲取有效信號參數(shù)信息,但是EMD方法在強噪聲下存在端點效應和模態(tài)混疊的問題。變分模態(tài)分解(Variational Mode Decomposition,VMD)是Dragomiretskiy等人[2]在2014年提出的一種非遞歸的自適應、準正交的模態(tài)變分和信號處理方法。VMD 算法通過迭代搜索自適應地匹配各個模態(tài)分量的最佳中心頻率和有限帶寬,在搜索和求解過程中實現(xiàn)IMF的有效分離,進而實現(xiàn)目標信號成分提取。VMD 算法已成功用于機械故障診斷、地震記錄分析等領域的非線性、非平穩(wěn)信號處理,但是其過度懲罰了域邊界和內(nèi)部的跳躍,強噪聲下無法有效處理信號的時移偏差[3]。奇異譜分解(Singular Spectrum Analysis,SSA)算法[3]是一種全局分析法,利用相空間重構的基本思想,通過奇異值分解對原始信號不同成分進行提取,該方法在軌道矩陣長度和分解層數(shù)設置合理的情況下可以有效分離時域差異較大的周期信號。2018年,Harmouche等人[4]將SSA與無監(jiān)督分類算法相結合,提出了滑動奇異譜分析法,可有效提取兩個頻率相近的正弦信號。

    上述算法處理具有時延不定特性的非平穩(wěn)信號時,普遍存在局部特性向全局擴散等問題。對于上述問題,直接的解決方案是將信號分解成較短的數(shù)據(jù)塊,使這些分段信號具有短時局部平穩(wěn)特性。因此本文針對數(shù)據(jù)自動分段和參數(shù)提取問題進行了相關研究,構建了時延信號相干檢測模型并在此基礎上利用VMD算法設計了自適應匹配濾波器進行強噪聲下時延信號提取。

    1 時延信號相關檢測模型

    1.1 相關檢測定位算法原理

    相關檢測技術是一種很強的周期信號提取方法,該技術利用信號和噪聲、不同成分信號間的不相關性,對目標信號進行分離[5]。本文利用互相關函數(shù)包絡和峰值梯度為特征值構建時延信號相關檢測模型進行目標信號自動分段提取。

    設原始采樣序列x(t)由兩部分組成,x(t)=xn(t)+s0(t),其中,xn(t)為非線性、非平穩(wěn)信號;s0(t)為x序列中的目標信號,

    (1)

    (a)原始信號x

    (2)

    (3)

    (4)

    式中:L1和L2分別為目標信號在原始序列中的起始位置;N為原始數(shù)據(jù)序列長度N=fs×T,fs為采樣率;L0為標準正弦信號長度,L0=fs。

    以上即為相關檢測定位算法的基本原理,計算過程如圖2。

    圖2 互相關檢測定位算法計算過程

    實際應用中由于式(2)中第一項并非絕對為0,所以采用最大峰值梯度為特征參數(shù),互相關函數(shù)包絡梯度Δp由式(5)給出:

    Δp(i)=Penv(i)-Penv(i-1)。

    (5)

    式中:Penv(i)表示坐標點i處的互相關函數(shù)包絡值。在i=L1處出現(xiàn)互相關函數(shù)最大峰值梯度。

    1.2 目標數(shù)據(jù)段自截取算法

    利用軟閾值對互相關函數(shù)有效包絡線進行提取?;ハ嚓P函數(shù)理想包絡范圍由下式給出:

    (6)

    (7)

    式中:nshift為偏移因子,?」表示向下取整,[l1l2]為有效包絡窗口邊界,max()和min()分別為最大和最小值函數(shù)。取最大最小的目的是保證可完整提取出目標信號段。

    利用上述相關檢測定位算法可以初步確定目標信號s0i在序列x中出現(xiàn)的起始位置L1和目標信號序列長度L。對多頻信號的提取重復執(zhí)行上述算法即可。

    利用單頻仿真信號測試上述算法,結果如圖3所示。

    (a)時域波形

    獲取的目標數(shù)據(jù)段時頻參數(shù)如表1所示。

    表1 相關檢測定位算法處理結果

    利用上述算法截取含目標信號數(shù)據(jù)段后,再利用VMD算法對截取的信號進行分解即可獲取目標信號。

    2 基于變分模態(tài)分解算法的自適應匹配濾波器

    2.1 變分模態(tài)分解算法原理簡介

    VMD算法的實質(zhì)是將一個復雜的實信號xs(t)分解為K個具有特定稀疏性的相互獨立子信號uk(變分模態(tài)分量),在K值設置合理的前提下VMD可有效地消除信號分解時所存在的模態(tài)混疊和端點效應現(xiàn)象[7]。VMD算法分為兩個過程,分別為構造約束變分模型和求解約束變分模型。

    進行約束變分模型構造時,首先將模態(tài)分量函數(shù)uk(t)進行希爾伯特變換以獲取其相應的解析信號,再計算解析信號得到單邊頻譜

    (8)

    式中:δ(t)為沖激函數(shù)。

    然后將模態(tài)分量函數(shù)的解析信號與指數(shù)ejωkt相乘來估計中心頻率ωk,通過頻移將模態(tài)函數(shù)uk(t)的頻譜調(diào)制到相應的基頻帶

    (9)

    通過對解調(diào)信號進行高斯平滑來估計uk(t)的帶寬,得到相對應的約束變分模型表達式為

    (10)

    式中:min{ }為取最小值函數(shù),K為預先設定的分解個數(shù),F(xiàn)x為原始輸入信號的頻域?qū)嵵敌盘枴?/p>

    式(10)是一個最優(yōu)化問題,求解時引入二次懲罰因子α與增廣拉格朗日乘子λ,將目標函數(shù)的約束變分問題轉變?yōu)榉羌s束變分形式,從而得到相應的拉格朗日函數(shù)表達式:

    (11)

    式中:L(·)表示增廣拉格朗日函數(shù);〈·,·〉表示內(nèi)積;二次懲罰因子α是控制數(shù)據(jù)保真度的均衡參數(shù),用于平衡變分正則項和二次約束項,在含噪聲情形時可保證信號重構精度;λ可以保證模型約束條件的嚴格性。

    利用Lagrange法的交替方向乘子求公式(11)所述變分問題的最優(yōu)解,從而將原始信號分解為K個IMF分量。

    2.2 自適應匹配濾波器參數(shù)預設方法

    2.3 自適應匹配濾波模態(tài)自動篩選方法

    從VMD算法分解出的K+1個分量中確定有效信號是VMD算法的一個關鍵問題。本文利用自截取信號的K個主峰頻率[f1f2,…,fK]與VMD算法分解獲取的K+1個主頻[ω1ω2,…,ωK+1]自動篩選有效分量。算法偽代碼如下:

    1 初始化:構造K×N的s數(shù)組并初始化為0,s=zeros(K,N)

    2 令i=1

    3 While (i

    fort=1:K+1

    if(ωt==fi)

    break

    end

    end

    si(L1:L2)=u(t)篩選出第i個有效分量

    end

    通過上述自適應模態(tài)匹配篩選方法,既可以獲取目標數(shù)據(jù)段內(nèi)的單個有效信號分量,同時可獲取多頻疊加信號。

    本文所述算法整體流程圖如圖4所示。

    圖4 非平穩(wěn)時延目標信號提取流程

    算法主要步驟如下:

    輸入:原始信號x。

    Step1 構造時延信號集合S,令S=?。

    Step2 利用1.2節(jié)所述自截取算法提取目標數(shù)據(jù)段xs=x(L1:L2)。

    Step3 利用本節(jié)所述基于變分模態(tài)分解算法的自適應匹配濾波器對數(shù)據(jù)段xs進行信噪分離處理,提取有效信號u1,u2,…,uK。

    Step4 構造0值序列集合s={s1,s2,…,sK}=zeros(K,N),其中N為原始序列長度,并令si(L1:L2)=ui。

    Step5 更新數(shù)據(jù):

    Step6 判斷更新后的x序列是否存在特殊頻點,判斷標準為振幅譜曲線峰值顯著大于譜線均值。如果存在特殊頻點則執(zhí)行Step 2,否則執(zhí)行Step 7。

    Step7 輸出S。

    3 實驗與分析

    利用Matlab仿真構造了由非平穩(wěn)噪聲信號和單頻時延目標信號疊加而成的原始信號x1:

    (12)

    式中:ns1為高斯白噪聲;s1為時延正弦信號,采樣率為150 Hz,采樣時間30 s;wgn為非平穩(wěn)噪聲信號;f=2 Hz為正弦信號頻率; [t1t2]=[10 13]為正弦信號出現(xiàn)時段;φ=0為相位;A為振幅。信號x1可模擬超聲波測試中的回波信號等探測信號。

    高信噪比下A=5 V,SNR=6.778 dB。分別利用直接EMD算法、直接VMD算法、目標信號段自截取后EMD算法和目標信號自截取后VMD算法對目標信號進行提取。高信噪比下不同算法目標信號提取結果如圖5所示。

    (a)不同算法提取結果

    為進一步突出不同算法的信號提取效果,降低原始信號信噪比,令A=1 V,SNR=-17.659 dB,信號時域波形如圖6(a)墨綠色曲線所示。利用四種算法進行了分析對比,結果如圖6所示。

    (a)不同算法提取結果

    仿真結果表明,不同信噪比情況下,目標信號段自截取后VMD算法提取的信號均具有最高精度,直接EMD算法提取精度最低。不同信噪比下不同算法處理結果的統(tǒng)計分析見表2。

    表2 不同算法誤差統(tǒng)計分析對比

    為進一步驗證本文所述方法的有效性,利用高斯噪聲和多個目標信號混疊構造了如下仿真數(shù)據(jù):

    x2=ns2+s2=ns2+s21+s22=

    (13)

    其中,信號采樣率為100 Hz,采樣時間30 s,SNR=1.53 dB。目標信號雙頻信號s21出現(xiàn)時刻為5~15 s,由頻率為5 Hz和25 Hz的正弦信號疊加構成;目標信號s22出現(xiàn)時刻為20~22 s,為morlet小波。信號x2與電力系統(tǒng)故障檢查中的常見振動和局部充放電信號類似。

    對s21和s22信號的自截取結果如圖7所示。

    (a)目標信號s21自截取結果

    (a)不同算法提取結果

    對不同算法提取結果進行了誤差分析和效率對比,結果見表3。

    表3 強噪聲下復雜信號不同算法誤差統(tǒng)計分析對比

    表3表明,自截取+VMD算法對于混疊在背景噪聲中的復雜目標信號提取效果最好。由于原始數(shù)據(jù)中混疊兩個時段的不同類型的目標信號,而自截取+VMD算法分別對這兩段目標信號進行了提取,故用時較其他算法偏長。直接對整段數(shù)據(jù)進行處理雖然用時較短,但是提取結果存在明顯的模態(tài)混疊現(xiàn)象,且無法對兩段目標信號進行有效區(qū)分,因此提取數(shù)據(jù)的利用價值不如本文所述方法高。

    4 結 論

    分段提取方法是一種有效的強噪聲下時延目標信號分析方法。本文提出了時延信號自截取算法,并設計了基于VMD算法的自適應匹配濾波器對自截取信號段進行處理來獲得目標信號。結果表明,高信噪比時,直接對整段數(shù)據(jù)進行VMD變換可提取時延目標信號,誤差略大于本文提出的方法,在對精度要求不高、實時性要求較高的場合可采用直接VMD;當背景噪聲較強,完全淹沒目標信號時,直接VMD會將局部目標信號放大至整個時間過程,不能有效識別局部時域細節(jié)信息,而直接EMD算法幾乎失效,這種情況下需采用目標信號段自截取后自適應匹配濾波算法進行目標信號提取。

    當原始信號僅包含單一時延目標信號,本文所述方法的處理時間稍高于直接VMD算法,滿足實時性要求;當原始信號成分復雜、包含多個不同時延的目標信號時,本文所述方法會對原始信號進行多次迭代處理,相應的處理時間會有所增加,最終可依次提取各個時延信號;而傳統(tǒng)方法雖然效率稍高于本方法,但無法有效區(qū)分不同時延的信號成分。因此,本文所述方法對于復雜信號的分解效率高于傳統(tǒng)方法,可為后續(xù)的處理提供更有價值的數(shù)據(jù)。

    猜你喜歡
    變分時延模態(tài)
    逆擬變分不等式問題的相關研究
    求解變分不等式的一種雙投影算法
    基于GCC-nearest時延估計的室內(nèi)聲源定位
    電子制作(2019年23期)2019-02-23 13:21:12
    基于改進二次相關算法的TDOA時延估計
    測控技術(2018年6期)2018-11-25 09:50:10
    關于一個約束變分問題的注記
    一個擾動變分不等式的可解性
    FRFT在水聲信道時延頻移聯(lián)合估計中的應用
    基于分段CEEMD降噪的時延估計研究
    國內(nèi)多模態(tài)教學研究回顧與展望
    基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識別
    在线观看免费高清a一片| 80岁老熟妇乱子伦牲交| 国产成人精品无人区| 中文字幕人妻熟女乱码| 亚洲欧美日韩高清在线视频| 国产精品一区二区精品视频观看| 波多野结衣av一区二区av| 女性生殖器流出的白浆| bbb黄色大片| 黄色a级毛片大全视频| 成年版毛片免费区| 美女午夜性视频免费| 免费高清在线观看日韩| 热99re8久久精品国产| 午夜免费鲁丝| 黄网站色视频无遮挡免费观看| tube8黄色片| 国产亚洲欧美在线一区二区| 久久久国产成人免费| 精品第一国产精品| 国产一区二区三区视频了| 欧美黑人精品巨大| 欧美精品人与动牲交sv欧美| 久久久久国产一级毛片高清牌| 黑人操中国人逼视频| 久久婷婷成人综合色麻豆| 国产一卡二卡三卡精品| 两性夫妻黄色片| 日韩欧美在线二视频 | 19禁男女啪啪无遮挡网站| 超色免费av| 美女扒开内裤让男人捅视频| 757午夜福利合集在线观看| tube8黄色片| 免费观看人在逋| 色婷婷av一区二区三区视频| 国产成人精品久久二区二区免费| 少妇粗大呻吟视频| 久久久国产精品麻豆| 99香蕉大伊视频| 亚洲欧美日韩高清在线视频| 欧美+亚洲+日韩+国产| 亚洲午夜精品一区,二区,三区| 夜夜爽天天搞| 亚洲欧美一区二区三区黑人| 久久人妻熟女aⅴ| 亚洲精华国产精华精| 亚洲五月婷婷丁香| 亚洲人成电影观看| 超色免费av| 国产精品 国内视频| 精品人妻熟女毛片av久久网站| 国产欧美日韩一区二区三| 丰满的人妻完整版| 久久久精品免费免费高清| 午夜免费观看网址| 亚洲精品一二三| 国产一区二区激情短视频| 欧美日韩亚洲综合一区二区三区_| 亚洲性夜色夜夜综合| 一边摸一边抽搐一进一小说 | 精品国产超薄肉色丝袜足j| 国产精品国产av在线观看| 亚洲五月天丁香| 夫妻午夜视频| 一二三四在线观看免费中文在| 在线观看免费视频网站a站| 99国产精品一区二区蜜桃av | 日韩欧美三级三区| 欧美日韩福利视频一区二区| 搡老熟女国产l中国老女人| 国产在线一区二区三区精| 视频区欧美日本亚洲| 99热国产这里只有精品6| 中文字幕av电影在线播放| ponron亚洲| 欧美激情极品国产一区二区三区| 亚洲免费av在线视频| 美国免费a级毛片| 国产野战对白在线观看| 天堂中文最新版在线下载| 少妇的丰满在线观看| 国产精品久久久久成人av| 精品久久久久久,| а√天堂www在线а√下载 | 人人妻人人澡人人爽人人夜夜| 久久久精品国产亚洲av高清涩受| 亚洲va日本ⅴa欧美va伊人久久| 日韩成人在线观看一区二区三区| 18禁美女被吸乳视频| 婷婷丁香在线五月| 亚洲中文字幕日韩| 欧美日韩中文字幕国产精品一区二区三区 | 每晚都被弄得嗷嗷叫到高潮| 国产av精品麻豆| 国产97色在线日韩免费| 水蜜桃什么品种好| 久久久久精品人妻al黑| 十分钟在线观看高清视频www| 欧美精品啪啪一区二区三区| 黄片小视频在线播放| 国产精华一区二区三区| 最近最新中文字幕大全电影3 | 在线观看舔阴道视频| 成年人午夜在线观看视频| 欧美日韩国产mv在线观看视频| 欧美 亚洲 国产 日韩一| 久久久久国产精品人妻aⅴ院 | 久久精品91无色码中文字幕| 久久香蕉激情| 成人国语在线视频| 校园春色视频在线观看| 国精品久久久久久国模美| 两性午夜刺激爽爽歪歪视频在线观看 | 久久久国产成人免费| 高潮久久久久久久久久久不卡| 国产无遮挡羞羞视频在线观看| 久久久水蜜桃国产精品网| 视频区图区小说| 亚洲专区字幕在线| 免费在线观看影片大全网站| 午夜精品在线福利| 国产av精品麻豆| 日韩三级视频一区二区三区| 狠狠婷婷综合久久久久久88av| 久久香蕉国产精品| 色精品久久人妻99蜜桃| 久久青草综合色| 日韩欧美国产一区二区入口| 亚洲七黄色美女视频| 法律面前人人平等表现在哪些方面| 久久香蕉精品热| 精品人妻熟女毛片av久久网站| 很黄的视频免费| 欧美乱色亚洲激情| 亚洲成人国产一区在线观看| 亚洲成a人片在线一区二区| 热99国产精品久久久久久7| 欧美黑人精品巨大| 女警被强在线播放| 老司机在亚洲福利影院| 天堂√8在线中文| 国产成人av教育| 一本大道久久a久久精品| 国产又爽黄色视频| 欧美色视频一区免费| 在线国产一区二区在线| 欧美黑人精品巨大| 精品一区二区三区四区五区乱码| 国产精品免费视频内射| 91精品三级在线观看| 日本vs欧美在线观看视频| 欧美国产精品va在线观看不卡| 一区二区日韩欧美中文字幕| 99精品久久久久人妻精品| 丝瓜视频免费看黄片| 国产不卡av网站在线观看| 欧美色视频一区免费| 亚洲午夜理论影院| 亚洲视频免费观看视频| 国产97色在线日韩免费| 中文亚洲av片在线观看爽 | 多毛熟女@视频| 亚洲欧美日韩另类电影网站| 视频区欧美日本亚洲| 欧美成人免费av一区二区三区 | 午夜福利,免费看| 国产精品美女特级片免费视频播放器 | 欧美+亚洲+日韩+国产| 在线免费观看的www视频| 亚洲五月天丁香| 国产男女内射视频| 色老头精品视频在线观看| 丁香欧美五月| 18禁美女被吸乳视频| av网站在线播放免费| 亚洲欧美一区二区三区久久| videos熟女内射| 精品福利永久在线观看| 高清av免费在线| 一级a爱视频在线免费观看| 久久亚洲精品不卡| 亚洲aⅴ乱码一区二区在线播放 | 欧美乱妇无乱码| √禁漫天堂资源中文www| 亚洲欧美日韩另类电影网站| www.999成人在线观看| 国产精品成人在线| 丰满人妻熟妇乱又伦精品不卡| 国产精品1区2区在线观看. | 中国美女看黄片| 777米奇影视久久| 国产成人精品久久二区二区免费| 12—13女人毛片做爰片一| 人妻 亚洲 视频| 久久99一区二区三区| 大码成人一级视频| 欧美日韩国产mv在线观看视频| 亚洲伊人色综图| 国产精品九九99| 日韩一卡2卡3卡4卡2021年| 一区二区三区国产精品乱码| 老司机亚洲免费影院| 国产精品久久久久久精品古装| 午夜福利乱码中文字幕| а√天堂www在线а√下载 | 国产成人精品在线电影| 久久久国产成人免费| 欧美成人免费av一区二区三区 | 亚洲综合色网址| a级毛片黄视频| 欧美av亚洲av综合av国产av| 亚洲精品中文字幕一二三四区| 亚洲成a人片在线一区二区| 亚洲av片天天在线观看| www.自偷自拍.com| 黄色视频,在线免费观看| 国产精品久久电影中文字幕 | 日韩欧美三级三区| 欧美日韩视频精品一区| 久久影院123| 美国免费a级毛片| 伊人久久大香线蕉亚洲五| 天天躁夜夜躁狠狠躁躁| 老汉色av国产亚洲站长工具| 日韩大码丰满熟妇| 免费av中文字幕在线| av免费在线观看网站| 午夜福利视频在线观看免费| 99国产精品免费福利视频| 久久亚洲真实| 精品欧美一区二区三区在线| 王馨瑶露胸无遮挡在线观看| 飞空精品影院首页| 午夜福利,免费看| 青草久久国产| 下体分泌物呈黄色| 国产伦人伦偷精品视频| 免费一级毛片在线播放高清视频 | 在线视频色国产色| 国产麻豆69| 日本黄色视频三级网站网址 | 亚洲成人免费电影在线观看| 香蕉丝袜av| 我的亚洲天堂| 欧美午夜高清在线| 亚洲成国产人片在线观看| 亚洲国产欧美日韩在线播放| 久久性视频一级片| 老司机亚洲免费影院| videosex国产| 国精品久久久久久国模美| 久久久精品免费免费高清| 99热网站在线观看| 亚洲av成人不卡在线观看播放网| 亚洲一卡2卡3卡4卡5卡精品中文| 成人特级黄色片久久久久久久| 精品免费久久久久久久清纯 | 精品免费久久久久久久清纯 | cao死你这个sao货| 无限看片的www在线观看| 19禁男女啪啪无遮挡网站| www.熟女人妻精品国产| 国产真人三级小视频在线观看| 99久久国产精品久久久| 黄网站色视频无遮挡免费观看| 男女免费视频国产| 亚洲av成人一区二区三| 国产午夜精品久久久久久| 丰满人妻熟妇乱又伦精品不卡| 无遮挡黄片免费观看| av福利片在线| 欧美 日韩 精品 国产| 中国美女看黄片| 亚洲va日本ⅴa欧美va伊人久久| 日韩熟女老妇一区二区性免费视频| 丰满人妻熟妇乱又伦精品不卡| tube8黄色片| 国产成人av教育| 国产99白浆流出| 免费人成视频x8x8入口观看| 免费在线观看视频国产中文字幕亚洲| 叶爱在线成人免费视频播放| 成人精品一区二区免费| 三级毛片av免费| 亚洲三区欧美一区| 这个男人来自地球电影免费观看| 欧美日韩av久久| 黄色视频,在线免费观看| 欧美最黄视频在线播放免费 | 视频区欧美日本亚洲| 精品久久久久久久久久免费视频 | 五月开心婷婷网| 国产aⅴ精品一区二区三区波| 丁香欧美五月| 久久草成人影院| 成人国产一区最新在线观看| 欧美日韩福利视频一区二区| 纯流量卡能插随身wifi吗| 国产精华一区二区三区| 日韩中文字幕欧美一区二区| 视频在线观看一区二区三区| 在线观看66精品国产| 狠狠狠狠99中文字幕| 欧美乱码精品一区二区三区| 国产免费现黄频在线看| 丁香六月欧美| 国产欧美亚洲国产| 怎么达到女性高潮| 天堂√8在线中文| 国产日韩一区二区三区精品不卡| 宅男免费午夜| 国产高清国产精品国产三级| 少妇被粗大的猛进出69影院| 欧美国产精品一级二级三级| 午夜福利一区二区在线看| 亚洲成国产人片在线观看| 亚洲伊人色综图| 女警被强在线播放| 好男人电影高清在线观看| 欧美日韩视频精品一区| 免费在线观看影片大全网站| 中文字幕人妻熟女乱码| 久久久久久久国产电影| 久9热在线精品视频| 亚洲成人免费电影在线观看| 在线观看免费日韩欧美大片| 麻豆乱淫一区二区| 国产精品偷伦视频观看了| 欧美日韩精品网址| 精品福利永久在线观看| 国产精品1区2区在线观看. | 欧美激情久久久久久爽电影 | 国产免费现黄频在线看| 亚洲精品av麻豆狂野| 亚洲男人天堂网一区| 色尼玛亚洲综合影院| 国产一区在线观看成人免费| 亚洲精品国产一区二区精华液| 久久国产精品男人的天堂亚洲| 欧美黄色淫秽网站| 精品久久久久久,| 女人精品久久久久毛片| 国产一区有黄有色的免费视频| 久久久久久亚洲精品国产蜜桃av| 亚洲国产毛片av蜜桃av| 成年女人毛片免费观看观看9 | 国产国语露脸激情在线看| 999精品在线视频| 十八禁人妻一区二区| 女同久久另类99精品国产91| 又大又爽又粗| 国产无遮挡羞羞视频在线观看| 在线观看免费日韩欧美大片| 亚洲精品在线美女| 欧美成狂野欧美在线观看| 动漫黄色视频在线观看| 欧美成狂野欧美在线观看| 99国产精品一区二区三区| 在线免费观看的www视频| 亚洲av日韩在线播放| 免费观看人在逋| 精品少妇久久久久久888优播| 在线视频色国产色| 日韩欧美免费精品| 国产高清videossex| 亚洲欧美色中文字幕在线| 大香蕉久久成人网| 好看av亚洲va欧美ⅴa在| 一进一出好大好爽视频| 99热国产这里只有精品6| 国产无遮挡羞羞视频在线观看| 在线天堂中文资源库| 狂野欧美激情性xxxx| 天堂俺去俺来也www色官网| 国产一区二区三区综合在线观看| 国产区一区二久久| 免费在线观看视频国产中文字幕亚洲| 欧美激情 高清一区二区三区| 亚洲成国产人片在线观看| 亚洲精品中文字幕在线视频| 大型av网站在线播放| 精品高清国产在线一区| av视频免费观看在线观看| 三级毛片av免费| 日本黄色视频三级网站网址 | 亚洲欧美日韩高清在线视频| 一a级毛片在线观看| 国产精品美女特级片免费视频播放器 | 成人国产一区最新在线观看| 啪啪无遮挡十八禁网站| 激情在线观看视频在线高清 | 在线观看www视频免费| 国产精品偷伦视频观看了| 亚洲精品国产区一区二| 在线观看日韩欧美| 免费看a级黄色片| 两人在一起打扑克的视频| tube8黄色片| 人妻久久中文字幕网| 午夜福利乱码中文字幕| 丰满迷人的少妇在线观看| 一二三四社区在线视频社区8| 精品国产乱子伦一区二区三区| 19禁男女啪啪无遮挡网站| 看黄色毛片网站| 免费高清在线观看日韩| 757午夜福利合集在线观看| 母亲3免费完整高清在线观看| 少妇 在线观看| 国产精品偷伦视频观看了| 飞空精品影院首页| e午夜精品久久久久久久| 日韩成人在线观看一区二区三区| 国产成人啪精品午夜网站| 久久天堂一区二区三区四区| av国产精品久久久久影院| 国产精品九九99| 黑人操中国人逼视频| 男女之事视频高清在线观看| 久久国产精品影院| 制服诱惑二区| www.自偷自拍.com| 精品久久蜜臀av无| 午夜福利一区二区在线看| 国产在线精品亚洲第一网站| 久久精品人人爽人人爽视色| 欧美乱色亚洲激情| 国产精品久久视频播放| 悠悠久久av| 免费在线观看亚洲国产| 天天影视国产精品| 欧美大码av| 欧美日本中文国产一区发布| 丝袜美足系列| 亚洲七黄色美女视频| 国产精品免费视频内射| 免费观看a级毛片全部| 亚洲精品在线观看二区| 欧美另类亚洲清纯唯美| 欧美激情 高清一区二区三区| 窝窝影院91人妻| 精品久久久久久久毛片微露脸| av不卡在线播放| 久久精品91无色码中文字幕| 12—13女人毛片做爰片一| 美女 人体艺术 gogo| 91成人精品电影| 欧美中文综合在线视频| 亚洲精品久久午夜乱码| 国产精品免费一区二区三区在线 | 国产午夜精品久久久久久| av一本久久久久| 午夜福利欧美成人| 久久久久久亚洲精品国产蜜桃av| 老熟妇仑乱视频hdxx| 欧美日韩视频精品一区| 亚洲熟女毛片儿| 亚洲黑人精品在线| 不卡av一区二区三区| 久久中文字幕人妻熟女| 一区二区三区国产精品乱码| 老汉色av国产亚洲站长工具| 欧美久久黑人一区二区| 午夜福利一区二区在线看| av网站在线播放免费| 天天躁狠狠躁夜夜躁狠狠躁| 老司机午夜十八禁免费视频| 国产精品综合久久久久久久免费 | 一进一出抽搐gif免费好疼 | 精品午夜福利视频在线观看一区| 国产成人系列免费观看| 色婷婷av一区二区三区视频| 日本五十路高清| 国产麻豆69| 久久精品国产a三级三级三级| 99久久国产精品久久久| 自线自在国产av| 99热国产这里只有精品6| 久久久久久人人人人人| 久久午夜亚洲精品久久| 国产无遮挡羞羞视频在线观看| 欧美日韩成人在线一区二区| 亚洲精品成人av观看孕妇| 亚洲av日韩在线播放| 久久精品亚洲精品国产色婷小说| 亚洲国产欧美一区二区综合| 美女视频免费永久观看网站| 可以免费在线观看a视频的电影网站| 国产精品国产av在线观看| 啦啦啦视频在线资源免费观看| 18禁美女被吸乳视频| 成人特级黄色片久久久久久久| 免费在线观看黄色视频的| 巨乳人妻的诱惑在线观看| 男女高潮啪啪啪动态图| 国产欧美日韩精品亚洲av| 亚洲专区字幕在线| 最新的欧美精品一区二区| 欧美+亚洲+日韩+国产| 欧美日韩亚洲国产一区二区在线观看 | 99国产综合亚洲精品| 欧美日韩精品网址| 欧美成狂野欧美在线观看| 91成人精品电影| 搡老乐熟女国产| 亚洲精品粉嫩美女一区| 国产精品乱码一区二三区的特点 | 欧美精品人与动牲交sv欧美| 国产欧美日韩一区二区三区在线| 欧美另类亚洲清纯唯美| 99在线人妻在线中文字幕 | 男人的好看免费观看在线视频 | 久久精品国产亚洲av高清一级| 日本黄色视频三级网站网址 | 亚洲视频免费观看视频| 99久久99久久久精品蜜桃| 久久天躁狠狠躁夜夜2o2o| 亚洲全国av大片| 成熟少妇高潮喷水视频| 亚洲av成人av| av不卡在线播放| 国产av又大| 国产在线观看jvid| 人妻丰满熟妇av一区二区三区 | 91在线观看av| 欧美亚洲 丝袜 人妻 在线| www.自偷自拍.com| 久久久久精品国产欧美久久久| 91成年电影在线观看| 老司机在亚洲福利影院| 人人妻人人澡人人看| 久久久精品免费免费高清| 热re99久久国产66热| 亚洲黑人精品在线| 久久人人97超碰香蕉20202| 午夜成年电影在线免费观看| 国产一区二区激情短视频| 老司机在亚洲福利影院| 国产成人av教育| 日韩欧美一区二区三区在线观看 | 99在线人妻在线中文字幕 | 如日韩欧美国产精品一区二区三区| 久久国产乱子伦精品免费另类| 久久人人爽av亚洲精品天堂| 免费观看人在逋| 亚洲精品国产区一区二| 777米奇影视久久| 日韩三级视频一区二区三区| 亚洲色图av天堂| 久99久视频精品免费| 久久亚洲精品不卡| 亚洲av片天天在线观看| 嫁个100分男人电影在线观看| 午夜免费成人在线视频| 国产精品一区二区免费欧美| 狠狠狠狠99中文字幕| 免费在线观看影片大全网站| 欧美另类亚洲清纯唯美| 午夜福利免费观看在线| 亚洲三区欧美一区| 可以免费在线观看a视频的电影网站| 亚洲精品美女久久久久99蜜臀| 欧美激情久久久久久爽电影 | 国产成人影院久久av| 日本五十路高清| 国产在线精品亚洲第一网站| 亚洲国产精品一区二区三区在线| 中文字幕制服av| 免费av中文字幕在线| 大陆偷拍与自拍| 999久久久精品免费观看国产| 少妇的丰满在线观看| 久久久水蜜桃国产精品网| 97人妻天天添夜夜摸| 午夜老司机福利片| 亚洲第一青青草原| 中文字幕精品免费在线观看视频| 久久久国产成人免费| 精品人妻在线不人妻| 午夜日韩欧美国产| 国产精品成人在线| 精品视频人人做人人爽| 99久久99久久久精品蜜桃| 国产色视频综合| 一a级毛片在线观看| 色综合婷婷激情| 一级,二级,三级黄色视频| 精品亚洲成国产av| 亚洲色图综合在线观看| 国产成人精品久久二区二区91| www.自偷自拍.com| 久久人人爽av亚洲精品天堂| 免费人成视频x8x8入口观看| 亚洲少妇的诱惑av| 看免费av毛片| 久久精品成人免费网站| 丁香欧美五月| 看黄色毛片网站| 欧美乱妇无乱码| 精品一品国产午夜福利视频| 91九色精品人成在线观看| 中文欧美无线码| 午夜福利欧美成人| netflix在线观看网站| 又大又爽又粗| 国产xxxxx性猛交| 看黄色毛片网站| tocl精华| 国产精品久久久人人做人人爽| 高清欧美精品videossex| 别揉我奶头~嗯~啊~动态视频| 国产欧美日韩一区二区三| 在线十欧美十亚洲十日本专区| 国产精品秋霞免费鲁丝片|