• <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 ?

    異常性檢測(cè)算法在引信干擾信號(hào)識(shí)別中的應(yīng)用

    2022-12-09 08:59:40白帆張慧李鵬斐曹昭睿
    裝備環(huán)境工程 2022年11期
    關(guān)鍵詞:干擾信號(hào)損失卷積

    白帆,張慧,李鵬斐,曹昭睿

    (1.沈陽理工大學(xué) a.裝備工程學(xué)院 b.機(jī)械工程學(xué)院,遼寧 沈陽 110159;2.北京理工大學(xué) 機(jī)電學(xué)院,北京 100081;3.機(jī)電動(dòng)態(tài)控制重點(diǎn)實(shí)驗(yàn)室,西安 710065)

    隨著通信技術(shù)的發(fā)展,引信干擾技術(shù)[1-2]日趨成熟,且隨著現(xiàn)代作戰(zhàn)環(huán)境的不斷變化,該技術(shù)呈現(xiàn)出智能化、復(fù)雜化的發(fā)展趨勢(shì),干擾信號(hào)的類型、手段、策略也更為多樣[3-4]。為了保證對(duì)引信信號(hào)的準(zhǔn)確接收,引信抗干擾算法必須在極短的時(shí)間內(nèi),高效完成干擾信號(hào)檢測(cè)、識(shí)別、過濾等任務(wù),才能滿足現(xiàn)階段引信系統(tǒng)在復(fù)雜含擾環(huán)境下的有效工作需求。否則,引信系統(tǒng)極易在多種類、多策略干擾信號(hào)的影響下出現(xiàn)早炸、錯(cuò)失、誤炸等問題,進(jìn)而導(dǎo)致武器系統(tǒng)失效。

    引信干擾信號(hào)的識(shí)別是一個(gè)復(fù)雜的非線性過程,往常以機(jī)器學(xué)習(xí)作為核心檢測(cè)方法[5-6]。近年來,隨著人工智能的發(fā)展,研究人員開始將卷積神經(jīng)網(wǎng)絡(luò)引入信號(hào)識(shí)別領(lǐng)域中[7-8]。郭治銳等[9]提出了基于改進(jìn)的AlexNet 的雷達(dá)干擾識(shí)別方法,該方法利用AlexNet卷積神經(jīng)網(wǎng)絡(luò)自動(dòng)提取雷達(dá)信號(hào)圖像中的特征細(xì)節(jié),以實(shí)現(xiàn)雷達(dá)干擾信號(hào)的分類識(shí)別。唐陳等[10]采用殘差卷積神經(jīng)網(wǎng)絡(luò),提取了各干擾的聯(lián)合特征,完成了干擾信號(hào)的分類。劉國(guó)滿等[11]設(shè)計(jì)了一種雙卷積神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)結(jié)構(gòu),基于單周期時(shí)頻圖像完成了干擾預(yù)分類,再利用多周期合成時(shí)頻圖像完成細(xì)分類,最終實(shí)現(xiàn)了8 種典型干擾樣式的識(shí)別。魏迪等[12]考慮到傳統(tǒng)卷積很難提取信號(hào)的時(shí)序特征,因此提出一種長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(LSTM)和特征融合的識(shí)別方法,對(duì)通信干擾進(jìn)行了分類。畢明雪等[13]利用CVAE 算法生成了信號(hào)的時(shí)頻譜圖,并配合卷積神經(jīng)網(wǎng)絡(luò)對(duì)信號(hào)特征進(jìn)行了提取,最后經(jīng)由LSTM 網(wǎng)絡(luò)對(duì)信號(hào)進(jìn)行了識(shí)別。

    然而,因真實(shí)引信干擾信號(hào)樣本生成成本高,且難以獲取[14-15],導(dǎo)致在實(shí)際引信抗干擾訓(xùn)練任務(wù)中很難對(duì)充足的干擾數(shù)據(jù)進(jìn)行收集和標(biāo)注。同時(shí),引信干擾信號(hào)樣本遠(yuǎn)小于正常信號(hào)樣本,這種數(shù)據(jù)分布狀態(tài)不利于監(jiān)督學(xué)習(xí)。在網(wǎng)絡(luò)訓(xùn)練的過程中,數(shù)量匱乏且分布不均的樣本極易導(dǎo)致網(wǎng)絡(luò)特征提取失衡,進(jìn)而影響最終的計(jì)算精度。因此,為了有效增強(qiáng)引信抗干擾算法的計(jì)算能力,不但需要從網(wǎng)絡(luò)原理的角度去提升算法的計(jì)算精度與速度,還需要降低網(wǎng)絡(luò)對(duì)真實(shí)樣本的依賴。

    針對(duì)上述問題,本文引入異常性檢測(cè)[16-17]算法,設(shè)計(jì)基于GANomaly-EfficientNet 的引信干擾信號(hào)識(shí)別算法(GE-FS),在小樣本訓(xùn)練基礎(chǔ)上,對(duì)干擾信號(hào)進(jìn)行分類識(shí)別,提升引信抗干擾網(wǎng)絡(luò)特征學(xué)習(xí)的泛化性、高效性與適配性。通過實(shí)驗(yàn)證明,GE-FS 算法能夠有效增強(qiáng)引信異常性檢測(cè)效果,可以綜合提升引信的抗干擾能力。

    1 引信數(shù)據(jù)前處理

    1.1 含擾引信數(shù)據(jù)增強(qiáng)

    由于真實(shí)含擾引信信號(hào)數(shù)據(jù)集難以獲取,且制作成本較大,為確保網(wǎng)絡(luò)模型在訓(xùn)練過程中能夠獲得足夠強(qiáng)的泛化性,本方案采用原理如圖1 所示的引信干擾信號(hào)數(shù)據(jù)增強(qiáng)方法對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)處理,以擴(kuò)增引信樣本數(shù)量。如圖1 所示,GE-FS 首先將讀取到的全局?jǐn)?shù)據(jù)以1×1 024 的尺度按順序進(jìn)行分割,隨后對(duì)每個(gè)分割出的數(shù)據(jù)按照8×128 的尺度進(jìn)行再分割,生成8 組尺度為128 的數(shù)據(jù)后,將其隨機(jī)打亂,合成為一組尺度為1×1 024 的倍增數(shù)據(jù),該數(shù)據(jù)將作為后續(xù)網(wǎng)絡(luò)訓(xùn)練的輸入數(shù)據(jù)源。通過這一方法,可以在不采集新的含噪引信真實(shí)樣本的前提下,充分利用已有的小樣本進(jìn)行數(shù)據(jù)擴(kuò)增,保證了模型的泛化能力。

    圖1 引信樣本數(shù)據(jù)增強(qiáng)方法原理Fig.1 Principle of fuze sample data enhancement method

    1.2 數(shù)據(jù)處理

    初始采集的引信信號(hào)一般為一維時(shí)序信號(hào),該類型信號(hào)維度較低,特征較少。為了得到引信信號(hào)的更多特征,本文將構(gòu)造時(shí)間和頻率聯(lián)合函數(shù),基于信號(hào)在不同時(shí)間、不同頻率的能量密度或者強(qiáng)度,從時(shí)域和頻域角度分析一維引信信號(hào),即Wigner-Ville Distibution 時(shí)頻分析方法[18]。利用時(shí)頻分布[19-20]來分析一維引信信號(hào),能得到其各個(gè)時(shí)刻的瞬時(shí)頻率及其幅值,具體計(jì)算過程如下。

    Wigner-Ville 分布可以看成信號(hào)的瞬時(shí)自相關(guān)函數(shù)的傅里葉變換,其表達(dá)式如(1)所示。

    整理后如式(3)所示。

    WVD 在某一頻率段內(nèi)對(duì)f進(jìn)行積分,結(jié)果為該信號(hào)在t時(shí)刻的瞬時(shí)能量。同樣,信號(hào)s(t)的傅里葉變換S(Ω)的WVD 可表示為式(4),結(jié)果為信號(hào)在Ω時(shí)刻的瞬時(shí)能量。

    2 GE-FS 信號(hào)識(shí)別算法

    2.1 GE-FS 信號(hào)識(shí)別算法總體設(shè)計(jì)

    基于GANomaly-EfficientNet 的引信干擾信號(hào)識(shí)別網(wǎng)絡(luò)(GE-FS)結(jié)構(gòu)如圖2 所示。GE-FS 主要由異常信號(hào)檢測(cè)與干擾信號(hào)分類2 部分構(gòu)成。待檢測(cè)信號(hào)經(jīng)WVD 變換后,得到時(shí)頻譜圖X時(shí),GE-FS 首先將圖片X輸入信號(hào)異常檢測(cè)部分,判斷圖片X是否為異常圖片。若圖片X為正常圖片,則直接輸出此時(shí)信號(hào)的類型為正常信號(hào)(Normal);若圖片X為異常圖片,則認(rèn)為此時(shí)的輸入為干擾信號(hào),此時(shí)開啟干擾信號(hào)分類部分,通過EfficientNet 實(shí)現(xiàn)干擾信號(hào)的分類。

    圖2 GE-FS 網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 GE-FS Network structure

    2.2 基于GANomaly 的信號(hào)識(shí)別算法

    GANomaly 的網(wǎng)絡(luò)結(jié)構(gòu)[21-22]如圖3 所示,主要由以下3 個(gè)部分組成:第1 部分為生成器部分,該部分通過編碼器學(xué)習(xí)輸入數(shù)據(jù)X的特征,輸出中間向量Z,然后通過解碼器重建輸入的圖片X',X與X'間通過損失函數(shù)1 控制收斂;第2 部分為編碼器部分,該部分編碼器的結(jié)構(gòu)與生成器編碼器部分的網(wǎng)絡(luò)結(jié)構(gòu)相同,但網(wǎng)絡(luò)參數(shù)不同,因此生成器編碼器的輸出Z與Z'的維度及大小相同,Z與Z'間通過損失函數(shù)2 控制收斂;第3 部分為判別器部分,其目標(biāo)為判斷輸入判別器X及X'的真假,此時(shí)采用損失函數(shù)3 控制收斂。

    圖3 GANomaly 網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 GANomaly Network structure

    在完成網(wǎng)絡(luò)訓(xùn)練之后,使用GANomaly 異常檢測(cè)算法進(jìn)行模型測(cè)試時(shí),其具體流程如圖4 所示。輸入圖片X首先通過生成器生成圖片X后,再將X'輸入至編碼器中,比較Z與Z'的差異。如果Z與Z'的差異較大,則認(rèn)為此時(shí)的輸入為異常輸入;若Z與Z'的差異較小,則認(rèn)為此時(shí)數(shù)據(jù)為正常數(shù)據(jù),即為該類別信號(hào)。

    第三,因人施教,降低難度和要求,培養(yǎng)學(xué)習(xí)興趣。運(yùn)動(dòng)心理學(xué)教科書這樣寫:“興趣是在需要的基礎(chǔ)上,通過學(xué)習(xí)實(shí)踐活動(dòng)逐步形成和發(fā)展起來的?!币虼?,教師在選用大綱內(nèi)容、教材搭配,教學(xué)進(jìn)度和教學(xué)方法時(shí),要充分考慮后進(jìn)生的心理需要和實(shí)際能力(體質(zhì)狀況、接受能力)。力爭(zhēng)每節(jié)課都做到活潑、新穎,多采用游戲和比賽法,使運(yùn)動(dòng)活動(dòng)產(chǎn)生愉快的肌肉滿足感。在練習(xí)和考評(píng)難度較大的項(xiàng)目時(shí),教師的動(dòng)員講解要生動(dòng)、清晰、幽默;態(tài)度、語氣要有利于調(diào)動(dòng)、穩(wěn)定和激發(fā)學(xué)生情緒。對(duì)后進(jìn)生的練習(xí)、要求和標(biāo)準(zhǔn)要放寬,作好保護(hù)與幫助,只要他們表現(xiàn)出有參與的欲望,完成動(dòng)作后便馬上給予肯定和鼓勵(lì)。這樣,他們才能逐漸在體育活動(dòng)中產(chǎn)生積極心理狀態(tài)。

    圖4 GANomaly 檢測(cè)流程Fig.4 GANomalydetection process

    2.3 EfficientNet 網(wǎng)絡(luò)結(jié)構(gòu)

    為了提高信號(hào)識(shí)別的準(zhǔn)確率,本文將使用同時(shí)增加了網(wǎng)絡(luò)寬度、深度以及分辨率的EfficientNet[23]作為干擾信號(hào)分類網(wǎng)絡(luò),其結(jié)構(gòu)[24-25]如圖5 所示。網(wǎng)絡(luò)中每個(gè)階段最前面的數(shù)值表示該階段的重復(fù)次數(shù),而每2 個(gè)階段中間的數(shù)據(jù)為當(dāng)前數(shù)據(jù)尺度。例如,第3階段的“2×MBConv6,K3×3”表示由2 個(gè)大小為3×3卷積核構(gòu)成的MobileNet Conv(MBConv)層,次層的輸入數(shù)據(jù)尺度為 16×112×112,輸出數(shù)據(jù)尺度為24×112×112。

    圖5 EfficientNet 網(wǎng)絡(luò)結(jié)構(gòu)Fig.5 EfficientNet Network structure

    EfficientNet 的輸入圖片尺度為3×224×224,依次經(jīng)過如圖5 所示的9 個(gè)階段,其中第2—8 個(gè)階段(Stage)采用重復(fù)堆疊的MBConv 層,其具體結(jié)構(gòu)如圖6a 所示。輸入MBConv 層的特征圖經(jīng)1×1 的卷積核進(jìn)行下采樣計(jì)算,并采取批量歸一化操作,隨后利用Swish 激活函數(shù)升維。然后輸入DW 卷積層中,同樣采取批量歸一化操作與Swish 激活函數(shù)計(jì)算,之后輸入結(jié)構(gòu)如圖6b 所示的SE 層中。該層首先對(duì)于輸入特征圖的每個(gè)維度進(jìn)行平均池化,然后分別通過2個(gè)全連接層FC1 和FC2,其中FC1 用Swish 激活函數(shù),F(xiàn)C2 采用Sigmoid 激活函數(shù)。另外,F(xiàn)C2 的結(jié)點(diǎn)個(gè)數(shù)必須與輸入特征圖的維度保持一致,而FC1 結(jié)點(diǎn)個(gè)數(shù)等于輸入特征圖維度的1/4。經(jīng)過SE 模塊后,網(wǎng)絡(luò)通過一個(gè)1×1 的卷積核實(shí)現(xiàn)降維,并通過Dropout操作剔除冗余計(jì)算。最后,網(wǎng)絡(luò)將上述操作的輸出與輸入MBConv 層的特征圖相加,以獲得最終輸出。

    圖6 EfficientNet 網(wǎng)絡(luò)層結(jié)構(gòu)Fig.6 Network layer structures of EfficientNet: a) Mobilenet Conv layer network structure; b) SE layer network structure

    2.4 損失函數(shù)

    GE-FS 網(wǎng)絡(luò)共有4 個(gè)損失函數(shù),在訓(xùn)練異常性檢測(cè)網(wǎng)絡(luò)時(shí),共需要3 個(gè)損失函數(shù)。首先是上下文損失,通過衡量輸入數(shù)據(jù)X與生成器生成的數(shù)據(jù)X'的誤差損失來學(xué)習(xí)輸入數(shù)據(jù)中的上下文信息,其表達(dá)式如式(5)所示。

    其次是編碼器損失,上下文損失起到保存數(shù)據(jù)的上下文信息,以及讓生成的數(shù)據(jù)更加真實(shí)的作用,而編碼器損失的作用是為了使Z與Z'之間的距離最小,其表達(dá)式如式(6)所示。

    異常檢測(cè)部分的最后一個(gè)損失為對(duì)抗損失,該損失采用使用特征對(duì)齊損失函數(shù),其表達(dá)示如式(7)所示。

    對(duì)抗損失通過計(jì)算輸入圖像與生成圖像特征表達(dá)之間的歐氏距離,得到判別器的中間層向量,可以優(yōu)化圖像特征之間的差異。

    最終,GE-FS 網(wǎng)絡(luò)的異常檢測(cè)算法損失函數(shù)如式(8)所示。

    干擾信號(hào)分類部分的任務(wù)本質(zhì)上為圖像分類任務(wù),因此損失函數(shù)為多分類交叉熵?fù)p失函數(shù),可表示為式(9)。

    綜上所述,GE-FS 算法的損失函數(shù)可表示為式(10)。

    3 實(shí)驗(yàn)分析

    3.1 數(shù)據(jù)處理

    文中采用的引信樣本為仿真數(shù)據(jù),其中共4 類干擾信號(hào)以及1 組正常信號(hào)。第一類干擾的實(shí)驗(yàn)數(shù)據(jù)如圖7 所示,總長(zhǎng)度為32 034。

    圖7 一維時(shí)序干擾信號(hào)Fig.7 One-dimensional temporal interference signal

    本次實(shí)驗(yàn)首先將讀取到的信號(hào)數(shù)據(jù)以1×1 024 的形式按照順序進(jìn)行分割,隨后將其作為網(wǎng)絡(luò)訓(xùn)練的測(cè)試集。由于數(shù)據(jù)量較少,按照?qǐng)D1 所示的數(shù)據(jù)增強(qiáng)算法處理后,各類數(shù)據(jù)的數(shù)量見表1。

    表1 數(shù)據(jù)增強(qiáng)結(jié)果Tab.1 Data enhancement results

    完成數(shù)據(jù)增強(qiáng)后,采用WVD 算法對(duì)信號(hào)進(jìn)行時(shí)頻分析,將生成的時(shí)頻譜圖保存,并作為測(cè)試GE-FS算法的數(shù)據(jù)集。圖8 為分別對(duì)5 種類型進(jìn)行WVD 變換得到的時(shí)頻譜圖。

    圖8 5 種類型信號(hào)經(jīng)WVD 變換后的時(shí)頻譜圖Fig.8Time spectrum diagrams of five types of signals after WVD transformation: a) normal signal; b) interference type 1; c) interference type 2; d) interference type 3; e) interference type 4

    3.2 結(jié)果分析

    為了驗(yàn)證GE-FS 算法的可行性,本文以聯(lián)想R7作為驗(yàn)證計(jì)算機(jī)平臺(tái),其CPU 配置為AMD Ryzen7 4800H(主頻為2.90 GHz),GPU 為GeForce GTX 1650 Ti(運(yùn)行內(nèi)存16 GB),計(jì)算環(huán)境為Windows 10,算法編寫語言為Python3.7,并配合pytorch1.7 作為輔助高級(jí)API。實(shí)驗(yàn)結(jié)果見表2。

    表2 實(shí)驗(yàn)結(jié)果Tab.2The experimental results

    通過表2 可知,在均未使用數(shù)據(jù)增強(qiáng)算法的小樣本條件下,基于EfficientNet 的信號(hào)識(shí)別分類算法的識(shí)別準(zhǔn)確率為80%,而GE-FS 算法的識(shí)別準(zhǔn)確率為89.7%。在使用數(shù)據(jù)增強(qiáng)算法后,EfficientNet 的信號(hào)識(shí)別分類算法的識(shí)別準(zhǔn)確率提升為96.9%,而GE-FS分類算法的識(shí)別準(zhǔn)確率提升為98.4%。該結(jié)果既證明了數(shù)據(jù)增強(qiáng)算法的有效性,也證明了GE-FS 干擾信號(hào)分類算法的性能優(yōu)于傳統(tǒng)基于卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別分類算法,驗(yàn)證了異常性檢測(cè)算法在引信干擾信號(hào)識(shí)別中應(yīng)用的可行性、實(shí)用性與高效性。

    4 結(jié)論

    本文通過GE-FS 算法對(duì)擴(kuò)充引信信號(hào)異常性檢測(cè)測(cè)試,得出了以下結(jié)論:

    1)基于WVD 時(shí)頻轉(zhuǎn)換的數(shù)據(jù)擴(kuò)展方法能夠?qū)π颖菊鎸?shí)含擾引信數(shù)據(jù)進(jìn)行有效倍增,擴(kuò)增的數(shù)據(jù)樣本能夠?yàn)楦蓴_識(shí)別網(wǎng)絡(luò)提供良好的訓(xùn)練基礎(chǔ),能夠降低傳統(tǒng)引信抗干擾算法對(duì)真實(shí)數(shù)據(jù)的依賴。

    2)GE-FS 在擴(kuò)增的仿真引信數(shù)據(jù)上具有良好的干擾檢測(cè)能力,相比單架構(gòu)引信抗干擾網(wǎng)絡(luò)的信號(hào)識(shí)別,準(zhǔn)確率具有較強(qiáng)提升。

    綜上所述,該算法在引信抗干擾任務(wù)中具有較強(qiáng)的應(yīng)用價(jià)值,能夠增強(qiáng)引信系統(tǒng)面向復(fù)雜作戰(zhàn)環(huán)境時(shí)的抗擾能力與自適應(yīng)性。

    猜你喜歡
    干擾信號(hào)損失卷積
    少問一句,損失千金
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    胖胖損失了多少元
    正弦采樣信號(hào)中單一脈沖干擾信號(hào)的快速剔除實(shí)踐方法
    基于粒子群算法的光纖通信干擾信號(hào)定位方法
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    淺析監(jiān)控干擾信號(hào)的優(yōu)化處置措施
    一般自由碰撞的最大動(dòng)能損失
    狠狠婷婷综合久久久久久88av| 国产精品麻豆人妻色哟哟久久| 日日啪夜夜爽| 亚洲精华国产精华液的使用体验| 边亲边吃奶的免费视频| 美女主播在线视频| 在线观看国产h片| 国产成人免费无遮挡视频| 欧美日韩av久久| 在线亚洲精品国产二区图片欧美| 国产精品不卡视频一区二区| 男的添女的下面高潮视频| 国产成人91sexporn| 91久久精品国产一区二区三区| 国语对白做爰xxxⅹ性视频网站| 超碰97精品在线观看| 亚洲国产毛片av蜜桃av| av有码第一页| 婷婷色综合大香蕉| 啦啦啦中文免费视频观看日本| 99久国产av精品国产电影| 香蕉精品网在线| 国产午夜精品一二区理论片| 老汉色av国产亚洲站长工具| av在线观看视频网站免费| 亚洲欧美成人综合另类久久久| 久久综合国产亚洲精品| 精品少妇一区二区三区视频日本电影 | 汤姆久久久久久久影院中文字幕| 在线观看三级黄色| 性色avwww在线观看| 国产精品蜜桃在线观看| 十八禁网站网址无遮挡| 香蕉国产在线看| 男女边吃奶边做爰视频| 久久久久国产精品人妻一区二区| 精品一区二区三卡| 国产精品 国内视频| 中国三级夫妇交换| 一本久久精品| 国产亚洲av片在线观看秒播厂| 亚洲国产日韩一区二区| 欧美亚洲 丝袜 人妻 在线| 中文字幕色久视频| 亚洲欧美一区二区三区久久| 成年av动漫网址| 精品视频人人做人人爽| 99久国产av精品国产电影| 久久久久久人妻| 伦精品一区二区三区| 18在线观看网站| www.熟女人妻精品国产| 青春草国产在线视频| 久久精品熟女亚洲av麻豆精品| 99精国产麻豆久久婷婷| 成人国产av品久久久| 啦啦啦中文免费视频观看日本| 麻豆乱淫一区二区| 久久毛片免费看一区二区三区| 日本免费在线观看一区| 可以免费在线观看a视频的电影网站 | 免费久久久久久久精品成人欧美视频| 嫩草影院入口| 乱人伦中国视频| 五月开心婷婷网| 亚洲色图 男人天堂 中文字幕| 亚洲内射少妇av| 亚洲欧美一区二区三区久久| 波多野结衣av一区二区av| 亚洲成色77777| 一区在线观看完整版| 91久久精品国产一区二区三区| 丝袜脚勾引网站| 国产成人精品一,二区| 黑丝袜美女国产一区| 精品国产乱码久久久久久小说| 观看美女的网站| 性色av一级| 亚洲,欧美精品.| 天天躁夜夜躁狠狠久久av| xxx大片免费视频| 国产在视频线精品| av在线app专区| 看十八女毛片水多多多| 中国三级夫妇交换| 99久久精品国产国产毛片| 久久久a久久爽久久v久久| 99精国产麻豆久久婷婷| 一区二区av电影网| 欧美人与性动交α欧美软件| 免费少妇av软件| av.在线天堂| 国产精品亚洲av一区麻豆 | 亚洲国产精品国产精品| 中文字幕人妻丝袜制服| 一级片'在线观看视频| 久久国内精品自在自线图片| 成年女人在线观看亚洲视频| 国产av精品麻豆| 99久久中文字幕三级久久日本| 一级毛片我不卡| 精品人妻一区二区三区麻豆| 大话2 男鬼变身卡| 欧美另类一区| 亚洲精品中文字幕在线视频| 国产成人精品在线电影| 18禁裸乳无遮挡动漫免费视频| 亚洲综合精品二区| 国产精品香港三级国产av潘金莲 | 在线天堂中文资源库| a级毛片在线看网站| 2018国产大陆天天弄谢| 国产日韩欧美视频二区| 成年人免费黄色播放视频| 亚洲天堂av无毛| 久久青草综合色| 亚洲精品在线美女| 你懂的网址亚洲精品在线观看| 亚洲一级一片aⅴ在线观看| 亚洲一区中文字幕在线| 99re6热这里在线精品视频| 免费观看a级毛片全部| 一区二区三区四区激情视频| 丁香六月天网| 高清黄色对白视频在线免费看| 高清av免费在线| 欧美日韩精品网址| 老汉色av国产亚洲站长工具| 亚洲伊人久久精品综合| 9热在线视频观看99| kizo精华| 久久精品久久久久久噜噜老黄| 人妻人人澡人人爽人人| 国产伦理片在线播放av一区| 亚洲国产av影院在线观看| 一本大道久久a久久精品| 欧美97在线视频| 久久免费观看电影| 人人澡人人妻人| 欧美成人精品欧美一级黄| 欧美最新免费一区二区三区| 精品一区在线观看国产| 黑人巨大精品欧美一区二区蜜桃| 日韩人妻精品一区2区三区| 中文字幕最新亚洲高清| 亚洲伊人色综图| 亚洲国产精品一区二区三区在线| 色视频在线一区二区三区| 亚洲av在线观看美女高潮| 你懂的网址亚洲精品在线观看| 国产精品亚洲av一区麻豆 | 一区二区日韩欧美中文字幕| 国产 一区精品| 天美传媒精品一区二区| 国产精品麻豆人妻色哟哟久久| 美女大奶头黄色视频| 成人影院久久| 日本91视频免费播放| 国产av码专区亚洲av| 国产极品天堂在线| 午夜福利视频精品| 999久久久国产精品视频| 亚洲,欧美精品.| 精品国产一区二区久久| 国产精品久久久久久精品电影小说| 国产不卡av网站在线观看| 国产一区二区三区av在线| av国产久精品久网站免费入址| 免费少妇av软件| 2022亚洲国产成人精品| 亚洲国产最新在线播放| 午夜福利,免费看| 亚洲美女视频黄频| 下体分泌物呈黄色| 女人久久www免费人成看片| 成人国产av品久久久| 女人被躁到高潮嗷嗷叫费观| 精品国产露脸久久av麻豆| 欧美日韩亚洲国产一区二区在线观看 | 久久久久久伊人网av| 日日摸夜夜添夜夜爱| 精品亚洲乱码少妇综合久久| 这个男人来自地球电影免费观看 | 欧美97在线视频| 亚洲av日韩在线播放| 欧美中文综合在线视频| 韩国高清视频一区二区三区| 国产在线一区二区三区精| 在线天堂最新版资源| 亚洲精品国产一区二区精华液| 久久人人爽人人片av| 一边摸一边做爽爽视频免费| 天天影视国产精品| 日本午夜av视频| av卡一久久| 亚洲精品成人av观看孕妇| 91成人精品电影| 亚洲一码二码三码区别大吗| 亚洲一级一片aⅴ在线观看| 久久久久国产精品人妻一区二区| 日韩精品免费视频一区二区三区| 日本色播在线视频| www.熟女人妻精品国产| 丝袜喷水一区| 国产精品.久久久| av免费在线看不卡| 欧美精品亚洲一区二区| 午夜福利一区二区在线看| 美女脱内裤让男人舔精品视频| 午夜久久久在线观看| 99九九在线精品视频| 欧美变态另类bdsm刘玥| 99香蕉大伊视频| 免费日韩欧美在线观看| 欧美成人精品欧美一级黄| 免费观看在线日韩| 成人国产av品久久久| 寂寞人妻少妇视频99o| 美女国产视频在线观看| 日韩 亚洲 欧美在线| 亚洲国产毛片av蜜桃av| 日韩不卡一区二区三区视频在线| www.熟女人妻精品国产| 国产精品久久久久久久久免| 久久精品aⅴ一区二区三区四区 | 午夜福利网站1000一区二区三区| 青青草视频在线视频观看| 婷婷色综合www| 熟女av电影| 欧美日韩成人在线一区二区| 一级毛片我不卡| 精品亚洲成a人片在线观看| 欧美xxⅹ黑人| 亚洲av福利一区| 香蕉精品网在线| 国产一区二区激情短视频 | 国产白丝娇喘喷水9色精品| 国产极品粉嫩免费观看在线| 99热全是精品| 亚洲经典国产精华液单| 黑人猛操日本美女一级片| 九色亚洲精品在线播放| 色网站视频免费| 欧美亚洲 丝袜 人妻 在线| 婷婷色综合www| 国产精品久久久久成人av| 国产毛片在线视频| 久久久国产精品麻豆| 九草在线视频观看| 成人漫画全彩无遮挡| 亚洲欧美精品综合一区二区三区 | 国产欧美日韩综合在线一区二区| 欧美国产精品va在线观看不卡| 国产免费又黄又爽又色| 波多野结衣一区麻豆| 人妻人人澡人人爽人人| 亚洲精品久久成人aⅴ小说| 如日韩欧美国产精品一区二区三区| 五月伊人婷婷丁香| 成年女人毛片免费观看观看9 | 五月天丁香电影| 午夜精品国产一区二区电影| 亚洲男人天堂网一区| av网站在线播放免费| 亚洲精品第二区| 最近中文字幕2019免费版| 最黄视频免费看| 777久久人妻少妇嫩草av网站| 大陆偷拍与自拍| 最新的欧美精品一区二区| 亚洲综合精品二区| 亚洲人成网站在线观看播放| 桃花免费在线播放| 亚洲精品久久午夜乱码| 女人高潮潮喷娇喘18禁视频| 精品国产乱码久久久久久小说| 一级黄片播放器| 黄频高清免费视频| av电影中文网址| 久久av网站| 最新的欧美精品一区二区| 国产精品熟女久久久久浪| 国产精品久久久久久精品电影小说| av视频免费观看在线观看| 性少妇av在线| 精品久久久精品久久久| 在线精品无人区一区二区三| 肉色欧美久久久久久久蜜桃| 久久久精品94久久精品| 国产xxxxx性猛交| 波野结衣二区三区在线| 黄色怎么调成土黄色| 一二三四在线观看免费中文在| 日韩熟女老妇一区二区性免费视频| 久久影院123| 在线亚洲精品国产二区图片欧美| 欧美亚洲 丝袜 人妻 在线| 各种免费的搞黄视频| 韩国精品一区二区三区| 高清黄色对白视频在线免费看| 嫩草影院入口| 久久久久精品性色| 国产精品二区激情视频| 久久午夜综合久久蜜桃| 1024香蕉在线观看| 香蕉国产在线看| 免费黄色在线免费观看| 永久免费av网站大全| 精品第一国产精品| 青春草视频在线免费观看| 亚洲av中文av极速乱| 亚洲精品日本国产第一区| 欧美变态另类bdsm刘玥| 亚洲欧洲国产日韩| 亚洲色图综合在线观看| 久久鲁丝午夜福利片| 国产一区二区 视频在线| 三上悠亚av全集在线观看| 亚洲一码二码三码区别大吗| 丰满乱子伦码专区| 秋霞伦理黄片| 丝袜人妻中文字幕| 亚洲五月色婷婷综合| 国产不卡av网站在线观看| 日韩av免费高清视频| 国产精品熟女久久久久浪| 美女高潮到喷水免费观看| a级毛片在线看网站| 国产成人a∨麻豆精品| 日日啪夜夜爽| 精品国产乱码久久久久久小说| 嫩草影院入口| 久久久久久久久久人人人人人人| 黄片播放在线免费| 国产无遮挡羞羞视频在线观看| 免费看不卡的av| 中国三级夫妇交换| 国产欧美日韩一区二区三区在线| 亚洲图色成人| 制服丝袜香蕉在线| 色哟哟·www| 久久精品国产a三级三级三级| 欧美xxⅹ黑人| 精品卡一卡二卡四卡免费| 老司机亚洲免费影院| 亚洲三级黄色毛片| 久久久久国产一级毛片高清牌| 亚洲欧美清纯卡通| 精品一品国产午夜福利视频| 亚洲精品美女久久久久99蜜臀 | 少妇的逼水好多| 精品国产露脸久久av麻豆| 日本vs欧美在线观看视频| 蜜桃国产av成人99| 美女午夜性视频免费| 亚洲av.av天堂| 久久韩国三级中文字幕| 欧美最新免费一区二区三区| 婷婷色综合大香蕉| 女人被躁到高潮嗷嗷叫费观| 亚洲人成77777在线视频| 看免费av毛片| 免费黄频网站在线观看国产| 桃花免费在线播放| 激情视频va一区二区三区| 日韩av不卡免费在线播放| 亚洲内射少妇av| 国产黄色视频一区二区在线观看| 久久鲁丝午夜福利片| 日韩制服骚丝袜av| 久久精品久久久久久久性| 狠狠婷婷综合久久久久久88av| 美国免费a级毛片| 亚洲成色77777| 街头女战士在线观看网站| 啦啦啦在线免费观看视频4| 高清在线视频一区二区三区| 中文字幕人妻熟女乱码| 中文字幕人妻熟女乱码| 中国国产av一级| 亚洲婷婷狠狠爱综合网| 久久精品国产亚洲av天美| 视频区图区小说| a级毛片黄视频| 高清黄色对白视频在线免费看| av电影中文网址| 中文字幕人妻丝袜一区二区 | 午夜激情久久久久久久| 婷婷成人精品国产| 国产精品偷伦视频观看了| 99久久综合免费| 久久久久国产网址| 一级毛片 在线播放| 久热久热在线精品观看| 夫妻性生交免费视频一级片| 欧美日韩国产mv在线观看视频| 在线天堂中文资源库| 成年女人毛片免费观看观看9 | 又大又黄又爽视频免费| 18禁观看日本| 视频区图区小说| a 毛片基地| 1024视频免费在线观看| 亚洲成人手机| 捣出白浆h1v1| 69精品国产乱码久久久| 亚洲精品在线美女| 叶爱在线成人免费视频播放| 中国三级夫妇交换| 一个人免费看片子| 五月伊人婷婷丁香| 久久精品国产亚洲av天美| 国产精品偷伦视频观看了| 美女福利国产在线| 免费播放大片免费观看视频在线观看| 亚洲欧美精品综合一区二区三区 | 交换朋友夫妻互换小说| 欧美日韩精品网址| 国产精品 国内视频| 中文精品一卡2卡3卡4更新| 欧美97在线视频| 国产欧美亚洲国产| 自拍欧美九色日韩亚洲蝌蚪91| 男人添女人高潮全过程视频| 麻豆av在线久日| 性色av一级| 精品福利永久在线观看| 午夜91福利影院| 在线天堂中文资源库| 精品一区二区三区四区五区乱码 | 精品人妻熟女毛片av久久网站| 亚洲色图 男人天堂 中文字幕| 在线观看www视频免费| 亚洲成人av在线免费| 夜夜骑夜夜射夜夜干| 一本大道久久a久久精品| 99国产综合亚洲精品| 免费播放大片免费观看视频在线观看| 中文字幕制服av| 欧美日韩成人在线一区二区| 综合色丁香网| 免费大片黄手机在线观看| 黑人巨大精品欧美一区二区蜜桃| 十分钟在线观看高清视频www| www日本在线高清视频| 色94色欧美一区二区| 69精品国产乱码久久久| 国产欧美日韩一区二区三区在线| 欧美精品一区二区免费开放| 亚洲国产欧美网| 婷婷成人精品国产| 日韩,欧美,国产一区二区三区| 久久久久精品久久久久真实原创| 亚洲欧美一区二区三区国产| 考比视频在线观看| 国产精品国产av在线观看| 中文字幕最新亚洲高清| 国产伦理片在线播放av一区| 国产亚洲最大av| 一区二区日韩欧美中文字幕| 满18在线观看网站| 欧美成人午夜精品| 美女主播在线视频| 亚洲一区中文字幕在线| 欧美精品一区二区免费开放| 久久精品国产a三级三级三级| 国产黄频视频在线观看| 在线亚洲精品国产二区图片欧美| 看十八女毛片水多多多| 午夜老司机福利剧场| 女性被躁到高潮视频| 黑人巨大精品欧美一区二区蜜桃| 大话2 男鬼变身卡| 天堂俺去俺来也www色官网| 亚洲国产日韩一区二区| 高清欧美精品videossex| 国产熟女欧美一区二区| 好男人视频免费观看在线| 欧美xxⅹ黑人| 久久久久久久久免费视频了| 欧美日韩综合久久久久久| 日本猛色少妇xxxxx猛交久久| 巨乳人妻的诱惑在线观看| 亚洲欧洲精品一区二区精品久久久 | 精品视频人人做人人爽| 制服人妻中文乱码| 美女午夜性视频免费| 两个人看的免费小视频| 国产一区二区激情短视频 | 精品少妇一区二区三区视频日本电影 | 亚洲精品av麻豆狂野| 久久久久精品人妻al黑| av国产精品久久久久影院| 欧美日韩综合久久久久久| 精品一区在线观看国产| 久久久久久久久久久免费av| 超碰成人久久| 午夜免费观看性视频| 国产视频首页在线观看| 美女午夜性视频免费| 青青草视频在线视频观看| 99精国产麻豆久久婷婷| 亚洲色图综合在线观看| 最近最新中文字幕大全免费视频 | 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 日韩免费高清中文字幕av| 国产伦理片在线播放av一区| 在线观看三级黄色| 欧美精品高潮呻吟av久久| 日韩中字成人| 久久精品国产综合久久久| 亚洲av欧美aⅴ国产| 国产精品久久久久久久久免| av免费在线看不卡| 乱人伦中国视频| 国产精品 欧美亚洲| 国产探花极品一区二区| 欧美bdsm另类| 日本欧美视频一区| 久久久国产一区二区| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 婷婷色av中文字幕| 国产极品天堂在线| 精品人妻一区二区三区麻豆| 久久ye,这里只有精品| 少妇的逼水好多| 国产精品久久久久久av不卡| 亚洲成av片中文字幕在线观看 | 不卡av一区二区三区| 国产黄色免费在线视频| 天天躁夜夜躁狠狠躁躁| 日本午夜av视频| 巨乳人妻的诱惑在线观看| 777米奇影视久久| 亚洲在久久综合| 我的亚洲天堂| 热99久久久久精品小说推荐| 日本av手机在线免费观看| 亚洲欧美精品自产自拍| 在线 av 中文字幕| 日韩伦理黄色片| 秋霞伦理黄片| 中文字幕色久视频| 国产在线视频一区二区| 国产综合精华液| 美女午夜性视频免费| 久久精品久久精品一区二区三区| 少妇精品久久久久久久| 成人18禁高潮啪啪吃奶动态图| 国产av精品麻豆| 两个人看的免费小视频| 成年美女黄网站色视频大全免费| 建设人人有责人人尽责人人享有的| 亚洲激情五月婷婷啪啪| 欧美成人午夜免费资源| 亚洲中文av在线| 久久久久精品性色| 日韩不卡一区二区三区视频在线| 少妇的逼水好多| 欧美日韩国产mv在线观看视频| 免费高清在线观看视频在线观看| 伊人久久大香线蕉亚洲五| 狠狠婷婷综合久久久久久88av| 亚洲av综合色区一区| 亚洲精品美女久久久久99蜜臀 | 精品人妻在线不人妻| 丰满迷人的少妇在线观看| av.在线天堂| 亚洲国产精品一区三区| 波野结衣二区三区在线| 侵犯人妻中文字幕一二三四区| 中文字幕另类日韩欧美亚洲嫩草| 国产精品久久久久久精品古装| 中国三级夫妇交换| 三上悠亚av全集在线观看| 欧美日韩亚洲国产一区二区在线观看 | 国产精品99久久99久久久不卡 | 精品国产乱码久久久久久小说| 丝袜在线中文字幕| 国产精品免费大片| 成人免费观看视频高清| av电影中文网址| 日本色播在线视频| 国产欧美日韩一区二区三区在线| 国产精品国产三级专区第一集| 欧美av亚洲av综合av国产av | 天天躁日日躁夜夜躁夜夜| 欧美日韩一区二区视频在线观看视频在线| 韩国高清视频一区二区三区| 日本av免费视频播放| 成年女人在线观看亚洲视频| 午夜日韩欧美国产| 黑丝袜美女国产一区| 另类精品久久| xxx大片免费视频| 亚洲精品一二三| 欧美 亚洲 国产 日韩一| 欧美bdsm另类| 999精品在线视频| 国产亚洲午夜精品一区二区久久| 亚洲人成77777在线视频| 久久久久久免费高清国产稀缺| 久久精品国产亚洲av高清一级| 男人舔女人的私密视频| 精品一区在线观看国产| 热99久久久久精品小说推荐| 高清欧美精品videossex| 老司机影院毛片| 在线观看www视频免费| 国产男女内射视频| 午夜福利乱码中文字幕| av国产久精品久网站免费入址| freevideosex欧美| 性色av一级| 国产男女内射视频|