• <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 ?

    基于輕量神經(jīng)網(wǎng)絡(luò)的無線電調(diào)制識別算法*

    2023-11-25 13:07:36賀升權(quán)
    電訊技術(shù) 2023年11期
    關(guān)鍵詞:識別率步長特征提取

    陳 煜,賀升權(quán),余 勤

    (四川大學(xué) 電氣工程學(xué)院,成都 610065)

    0 引 言

    自動調(diào)制識別技術(shù)是在先驗知識不足和諸多參數(shù)未知(如信號功率、載波頻率、相位等)的情況下,通信系統(tǒng)接收端對接收信號調(diào)制類型進行判別的技術(shù)。主流的調(diào)制識別方法主要分為三類:基于似然理論、基于特征提取[4-5]和基于深度學(xué)習(xí)[6-13]?;谧畲笏迫坏姆椒ㄓ捎谄鋸?fù)雜性的問題,在調(diào)制識別中存在很大的障礙?;谔卣魈崛〉姆椒ㄊ紫忍崛∪缢矔r時域參數(shù)、高階累積量、星座圖、循環(huán)譜、小波變換等有效特征,再通過支持向量機(Support Vector Machine,SVM)等機器學(xué)習(xí)方法對特征進行擬合從而獲得用于調(diào)制識別的模型,但該方式需經(jīng)驗判斷以對特征進行設(shè)計。

    在過去的幾年中,由于深度學(xué)習(xí)的快速發(fā)展,計算機視覺和自然語言處理等領(lǐng)域取得了巨大研究進展,因此有研究學(xué)者嘗試將數(shù)據(jù)驅(qū)動的深度學(xué)習(xí)方法應(yīng)用于調(diào)制識別領(lǐng)域[6-13]。添加更多的特征到輸入和生成更深的對抗網(wǎng)絡(luò)可以提高信號的分類識別精度,但是,在移動式或者嵌入式設(shè)備應(yīng)用場景中,如果模型過于龐大,系統(tǒng)可能面臨內(nèi)存不足、響應(yīng)速度慢的問題,故而大型網(wǎng)絡(luò)難以投入實際應(yīng)用。為此,設(shè)計一個參數(shù)少、響應(yīng)速度快的模型進行訓(xùn)練是很有必要的[14-15]。

    文獻[16]提出了一種輕型卷積神經(jīng)網(wǎng)絡(luò)進行調(diào)制分類,0~18 dB的平均識別率為90%。文獻[17]使用了失真校正模塊和分類模塊,從時間和空間的角度有效提取信號特征,并減少冗余參數(shù)量以縮減模型大小。文獻[18]提取了信號的同相正交相關(guān)特征和時域特征,并輸入到輕量型的神經(jīng)網(wǎng)絡(luò)(IQCNet)中,平均識別率達到了86.94%。文獻[19]使用一維卷積、長短時記憶網(wǎng)絡(luò)構(gòu)建輕量級神經(jīng)網(wǎng)絡(luò)提取特征,在提升識別率的同時能夠減少訓(xùn)練參數(shù)數(shù)量、縮短訓(xùn)練時間。

    本文利用深度可分離卷積的參數(shù)量小、特征提取能力強的優(yōu)點,搭建基礎(chǔ)特征提取單元,使網(wǎng)絡(luò)模型輕量化;同時對部分輸入增添了跳躍式連接,以融合不同空間的特征;引入了通道洗牌操作,對通道及特征重新分配,加強了不同的通道間的特征學(xué)習(xí)能力。此外,對比了多種激活函數(shù),同時增加通道注意機制,使整個網(wǎng)絡(luò)可以根據(jù)不同通道的重要性進行調(diào)整,從而避免冗余特征的干擾,提高整個網(wǎng)絡(luò)的表達能力。

    1 快速調(diào)試識別算法

    整體的調(diào)制識別框架如圖1所示。在特征提取階段,數(shù)據(jù)先后輸入到不同步長的基礎(chǔ)結(jié)構(gòu)中,得到了更加全局的、融合了不同通道及空間信息的特征。同時對每個基礎(chǔ)結(jié)構(gòu)網(wǎng)絡(luò)的輸出規(guī)定為64,128,256,然后使用基礎(chǔ)模塊的三階段端到端識別。

    (a)整體流程

    1.1 基礎(chǔ)結(jié)構(gòu)單元

    已有研究提出了4個高效網(wǎng)絡(luò)指南[15],即G1——相同的輸入輸出通道寬度可以最小化內(nèi)存訪問成本;G2——過多的群卷積會增加內(nèi)存訪問成本,從而使模型速度變慢;G3——模型的分支數(shù)量越少,模型的速度越快;G4——元操作不能被忽略。元操作包括加(Add)、RelU、深度卷積(Depth-Wise convolution)等操作。

    本文設(shè)計的兩種不同步長的基礎(chǔ)特征提取單元如圖1(b)所示,圖2為經(jīng)過這兩種不同步長的特征提取單元的維度細節(jié)變化圖。圖2(a)表示步長為2的降采樣特征提取單元,在每個單元開始,都將復(fù)制輸入從而生成左右兩分支,左分支由步長為2的深度可分離塊構(gòu)成,右分支由逐點卷積層和步長為2的深度可分離塊構(gòu)成。為滿足G1,令輸入和輸出通道相同。圖2(b)表示步長為1的基礎(chǔ)單元,在每個單元的開始,信道分割將特征通道數(shù)為c的輸入平均分為兩支,每支的通道數(shù)為c/2。按照準則G3,右分支由逐點卷積層和步長為1的深度可分離塊構(gòu)成,為增加非線性,第一層的卷積核的個數(shù)為輸出的1/2;左分支的結(jié)構(gòu)不做處理。為了滿足G4,在卷積之后把兩個分支進行融合,從而使得通道數(shù)量保持不變(G1),再進行信道洗牌(Channel Shuffle)[15]操作來保證兩個分支間的通道間能進行信息交流。

    (a)步長為2的特征提取單元細節(jié)

    不同步長的深度可分離塊的內(nèi)部結(jié)構(gòu)圖如圖3所示。由圖可見,逐通道卷積是對輸入的每個通道分別進行卷積運算,其能夠在保證特征提取的同時大量減少參數(shù)量,但此方式缺乏通道間的信息交流;而添加的逐點卷積能夠?qū)W習(xí)不同通道間在相同空間位置上的信息,重新組合生成新的特征圖,從而增加了特征的學(xué)習(xí)利用率。

    圖3 不同步長的深度可分離塊的內(nèi)部結(jié)構(gòu)

    在基礎(chǔ)特征提取單元中,本文將逐通道卷積的卷積核大小設(shè)為5×5,使卷積核不僅可以學(xué)習(xí) I/Q 通道的特征,也可以在一定范圍內(nèi)學(xué)習(xí)到信號的頻域信息;同時,設(shè)置數(shù)量不同的卷積核的個數(shù)來增加整個網(wǎng)絡(luò)的非線性。

    此外,為了增加特征通道之間的通信,提高網(wǎng)絡(luò)的特征提取能力,本文引入信道洗牌操作,即實現(xiàn)了特征重組,使信息可以在不同通道之間進行流轉(zhuǎn)。假定將輸入層分為g組,總通道數(shù)為g×n,首先將通道維度拆分為(g,n)兩個維度,然后將這兩個維度轉(zhuǎn)置變成(n,g),最后重塑(reshape)成一個維度(g,n)。具體實現(xiàn)如圖4所示。

    (a)普通卷積時的通道及特征變化

    為了進一步得到不同特征的通道的重要程度,并針對不同的任務(wù)增強或者抑制不同的通道,本文還引入了通道注意力機制[21]。這種注意力機制主要包括壓縮(Squeeze)和激勵(Excitation)兩部分。壓縮部分是利用全局平均池化技術(shù)(Global Average Pooling,GAP),將特征映射U壓縮到通道描述符z∈Rc,z的第c個元素zc可以通過以下公式計算:

    (1)

    式中:Fsq(uc)代表對第c個通道的特征映射uc進行壓縮操作;H代表通道的高度;W代表通道的寬度。

    為了能夠更好地實現(xiàn)特征復(fù)用,本文把輸入的特征和注意力機制輸出的特征進行了融合,解決了深層網(wǎng)絡(luò)的梯度消失問題的同時加強了特征的傳播,有利于提高識別的準確率。

    1.2 激活函數(shù)

    激活函數(shù)是神經(jīng)網(wǎng)絡(luò)的大腦,它對深度神經(jīng)網(wǎng)絡(luò)的有效性和訓(xùn)練起著核心作用。從f(x)=|x|函數(shù)的光滑逼近中可以找到一個最大函數(shù)的一般逼近公式:

    (2)

    ReLU函數(shù)由這個公式推演而來,其公式為

    fReLU(x)=max(0,x) 。

    (3)

    但ReLU函數(shù)存在“ReLU死亡問題”,即在網(wǎng)絡(luò)訓(xùn)練過程中,會使50%的神經(jīng)元死亡。為了進一步的提升特征信息的利用率和網(wǎng)絡(luò)性能,本文引入了ReLU6激活函數(shù)和SMU激活函數(shù)[20],計算公式分別如(4)和式(5)所示:

    fReLU6(x)=min(6,max(0,x)),

    (4)

    (5)

    式中:α和μ為可學(xué)習(xí)的超參數(shù);erf()為高斯誤差函數(shù),

    (6)

    ReLU、ReLU6、SMU激活函數(shù)的圖像如圖5所示。對比ReLU6和ReLU可知,ReLU6 對輸出進行了限制,在高維度時提高空間的特征利用率和避免了過擬合;對比SMU和ReLU可知,SMU在原點處具有更好的平滑性和可微特性,避免了信號在細節(jié)處的流失。在高緯度時采用SMU激活函數(shù),能使網(wǎng)絡(luò)模型在不過擬合的情況下提取到更加豐富的細節(jié)特征。

    (a)ReLU激活函數(shù)圖像

    2 實驗與分析

    2.1 實驗數(shù)據(jù)

    本文使用的是開源綜合生成數(shù)據(jù)集RML2016.10a進行實驗。數(shù)據(jù)集共220 000條IQ(In-phase Quadrature)數(shù)據(jù),有FM、AM-DSB、AM-SSB、BPSK、QPSK、8PSK、PAM4、QAM16、QAM64、GFSK和CPFSK等11種調(diào)制方式;信噪比范圍[-20,+18]dB,以2 dB為間隔共20種信噪比;每種信噪比下的每種調(diào)制類型的信號數(shù)量為1 000,每條IQ信號樣本長度為128,最后樣本維度表示為(220 000,2,128)。在樣本生成過程,除了加入噪聲外,還考慮了多徑衰落、采樣率偏移和頻率偏移等信道傳輸影響,以模擬真實的通信環(huán)境。

    2.2 實驗設(shè)置

    本文硬件環(huán)境為Intel(R) CoreTM i9-9900K CPU @3.6 GHz,32 GB DDR4內(nèi)存及GeForce RTX 2080 Super(16 GB顯存)的64位計算機。

    軟件平臺為Windows 10專業(yè)版操作系統(tǒng),Python 3.7(64位)及TensorFlow 2.5深度學(xué)習(xí)框架。在訓(xùn)練深度學(xué)習(xí)模型時使用TensorFlow-GPU版本,硬件加速減少訓(xùn)練時間。

    訓(xùn)練過程中的batchsize設(shè)置為64,優(yōu)化器選用的Adam,初始學(xué)習(xí)率為0.001,并引入學(xué)習(xí)率衰減策略,即當(dāng)驗證集準確率在8個周期內(nèi)沒有提升,則學(xué)習(xí)率衰減為原來的1/10。數(shù)據(jù)集劃分是根據(jù)每種信噪比對應(yīng)的每一類調(diào)制信號以7∶1∶2的比例隨機劃分訓(xùn)練集、驗證集和測試集。同時引入早停機制,即觀察驗證集準確率在15個周期內(nèi)有無提升,若沒有提升,則停止訓(xùn)練。

    2.3 對比實驗

    2.3.1 總體識別精度

    為體現(xiàn)本文所提出的模型的效果,選取CNN、ResNet-50、LSTM、Dense-121、CLDNN、Sepconv模型作為實驗對比網(wǎng)絡(luò)模型,其中,ResNet-50模型具有50層,Dense-121模型具有121層,Sepconv模型為直接使用深度可分離卷積層代替本文模型中的深度可分離卷積塊得來。各個模型在各信噪比下識別率的比較結(jié)果如圖6所示,可見CNN的最高正確率為74%,ResNet-50的最高正確率有89%,LSTM的最高正確率為86%,CLDNN的最高正確率為87%,Dense-121的最高識別準確率為90%,Sepconv模型的最高準確率為87%,本文模型的識別準確率最高,為91%。

    圖6 各個模型的準確率對比

    在SNR∈[0,+18]dB時各個模型的準確率對比如表1所示,可以看出當(dāng)信噪比大于0時,本文的平均識別率為90.60%,比其他模型高出1.19%~17.62%。本文的算法將瞬時信息提取出來,豐富了特征的維度,同時利用深度可分離塊的輕量性優(yōu)點,實現(xiàn)了對多種調(diào)制信號的快速、高精度識別。

    表1 SNR∈[0,+18]dB時各個模型的準確率對比

    SepConv模型是由深度可分離卷積層代替本文模型中的深度可分離塊得來,但是本文模型中的深度可分離塊中分離出來的1×1逐點卷積不僅是平衡輸出通道的作用,還可以高效地低維嵌入單個特征池、卷積后再次進行非線性映射,允許網(wǎng)絡(luò)學(xué)習(xí)更復(fù)雜的功能[22]。得益于1×1逐點卷積的優(yōu)點,本文提出模型的準確率要高于SepConv模型的準確率。

    2.3.2 混淆矩陣對比分析

    為了區(qū)分每一類信號的識別率,本文繪制了各個模型結(jié)構(gòu)產(chǎn)生的混淆矩陣,如圖7所示,橫軸表示預(yù)測的類型,縱軸表示真實的類型,對角線為各種調(diào)制信號的識別精度,顏色越深說明精度越高。由圖7可見,本文的模型在SNR=0 dB時有最好的識別率,表明本文的模型能夠更好地提取和學(xué)習(xí)特征的信息。

    圖7 SNR=0 dB時不同模型生成的混淆矩陣對比

    WBFM和AM-DSB都屬于連續(xù)調(diào)制,數(shù)據(jù)集中的WBFM和AM-DSB數(shù)據(jù)是通過采樣模擬音頻信號生成的,存在靜默周期,因此對于所有模型來說識別率都較低。而對于16QAM 和64QAM,它們同屬于正交幅度調(diào)制,在星座圖上是分布在一定范圍內(nèi)的相等模長不同相位或者相同相位不相等模長,一般需要使用兩種模型有針對性地對這兩種調(diào)制信號進行識別。從圖7可以看出,相比于其余的5種算法,本文所提出的模型對16QAM 和64QAM的識別精度有明顯提升,表明本文的模型有較好的魯棒性,從而使得分類識別時有更好的效果。

    2.3.3 激活函數(shù)對比分析

    為了探究不同激活函數(shù)對模型效果產(chǎn)生的影響,本文通過改變相同卷積下的激活函數(shù)進行實驗,在以上7個模型各自測試了15次,最后取平均值和方差,結(jié)果如表2所示。

    表2 ReLU、ReLU6、SMU激活函數(shù)在不同的模型條件下對精度的影響

    從表2可以看出,對比ReLU激活函數(shù),ReLU6激活函數(shù)的使用使模型的識別準確率提高了1%~2%,主要原因是ReLU激活函數(shù)的輸出值范圍是[0,∞],低精度的float16無法精確描述其數(shù)值,會帶來精度損失,而ReLU6激活函數(shù)的輸出值范圍是[0,6],對輸出值進行限制,使得在float16的低精度時,也能有很好的數(shù)值分辨率;SMU激活函數(shù)的使用使模型的識別準確率提高了1%~4%,它是由最大函數(shù)的平滑逼近而來的平滑激活函數(shù),在原點處有更好的平滑性和可微性,同時,使用反向傳播技術(shù)更新可訓(xùn)練激活函數(shù)參數(shù),使得可訓(xùn)練的超參數(shù)更加滿足分類識別的要求,從而提高了分類識別精度。

    方差的大小意味著每個變量與總體均數(shù)之間的差異。在統(tǒng)計學(xué)中,經(jīng)常用方差衡量隨機變量的離散程度,當(dāng)數(shù)據(jù)分布比較分散時,數(shù)據(jù)波動較大,從而意味著方差較大;反之?dāng)?shù)據(jù)波動較小,方差較小。對比ReLU、ReLU6、SMU所對應(yīng)的實驗可以看出,使用SMU激活函數(shù)的數(shù)據(jù)方差最小,這說明了這組數(shù)據(jù)的波動較小,意味著使用SMU激活函數(shù)可以使結(jié)果更穩(wěn)定,有利于增加網(wǎng)絡(luò)模型的穩(wěn)定性。

    2.3.4 復(fù)雜度分析

    若假設(shè)輸入特征圖的大小為DF×DF×M,輸出特征圖的大小為DF×DF×N,卷積核大小為DK×DK×M,則普通卷積計算量為

    P=DK×DK×M×N×DF×DF,

    (7)

    而逐通道卷積計算量為

    P1=DK×DK×M×DF×DF,

    (8)

    逐點卷積計算量為

    P2=DF×DF×M×N,

    (9)

    那么逐通道卷積與普通卷積的計算量比為

    (10)

    深度可分離卷積與普通卷積的計算量比為

    (11)

    通過式(7)~(11)的理論推導(dǎo)可知,本文所提模型計算量更小,有利于實際應(yīng)用的開展。通過實驗數(shù)據(jù)對比了各個模型的時間復(fù)雜性和模型參數(shù)量,結(jié)果如表3和圖8所示。

    表3 各個模型的深度和超參數(shù)量的對比

    (a)各個模型的運行時間對比

    從表3可以看出,本文的模型結(jié)構(gòu)參數(shù)量為75 000,小于除SepConv模型以外的其他模型參數(shù),這說明了深度可分離塊的使用使得模型具有小巧、輕量的特征。根據(jù)圖8的對比可知,本文模型的運行時間和參數(shù)量都小于CNN、CLDNN和LSTM,但是識別準確率卻遠高于這3種模型;對于識別精度相差不大的ResNet-50和Dense-121,本文提出的模型結(jié)構(gòu)運行只需5.55 min,遠遠小于這兩種模型;而相比于SepConv模型,本文模型的運行時間和參數(shù)量與之相差不大,但有5%的準確率的提升,這說明本文的模型結(jié)構(gòu)具有良好的識別精度,同時在有限的訓(xùn)練周期內(nèi)收斂得更快。

    3 結(jié)束語

    針對現(xiàn)有調(diào)制識別只關(guān)注識別精度,導(dǎo)致模型參數(shù)量過大、識別時間過長等問題,本文設(shè)計了兩種不同步長的特征提取單元,兩者共同包含的深度可分離卷積結(jié)構(gòu)可有效地減少模型超參數(shù)及訓(xùn)練耗時,為輕量型網(wǎng)絡(luò)的搭建提供了新思路。同時,采用通道洗牌及全連接層加強通道間信息交流,提高了模型特征提取、復(fù)用及學(xué)習(xí)的能力;并采用注意力機制為不同特征通道進行加權(quán),進一步挖掘調(diào)制信號內(nèi)部的潛在特征,進而提高了模型的識別準確率。最后,為了保證模型的穩(wěn)定性,本文采用SMU激活函數(shù),相較于ReLU、ReLU6等激活函數(shù),其更能減小識別結(jié)果的波動。本文模型和其他深度學(xué)習(xí)模型均在RML2016.10a數(shù)據(jù)集上進行驗證分析,結(jié)果表明所提模型具有識別率更高、穩(wěn)定性更好、超參數(shù)更少和擬合速度更快的明顯優(yōu)勢。

    本文在設(shè)計相關(guān)調(diào)制識別模型過程中,需要人為優(yōu)化相關(guān)結(jié)構(gòu)及參數(shù),這些過程都相對耗時,以后可借鑒神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索算法,利用現(xiàn)代計算機的強大算力,自動搜索設(shè)計適合調(diào)制識別任務(wù)的神經(jīng)網(wǎng)絡(luò)模型。同時,針對本文所設(shè)計的輕量化調(diào)制識別模型,所采用的深度可分離卷積還比較簡單,未來還可采用更先進的卷積函數(shù),對模型進行壓縮,以取得更加高效的調(diào)制識別性能。

    猜你喜歡
    識別率步長特征提取
    基于Armijo搜索步長的BFGS與DFP擬牛頓法的比較研究
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關(guān)系
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    提升高速公路MTC二次抓拍車牌識別率方案研究
    Bagging RCSP腦電特征提取算法
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應(yīng)用
    基于逐維改進的自適應(yīng)步長布谷鳥搜索算法
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    一種新型光伏系統(tǒng)MPPT變步長滯環(huán)比較P&O法
    電測與儀表(2014年2期)2014-04-04 09:04:00
    一级二级三级毛片免费看| 岛国毛片在线播放| 热re99久久精品国产66热6| 大码成人一级视频| 日本与韩国留学比较| 欧美xxⅹ黑人| 永久网站在线| 亚洲欧美日韩东京热| 欧美变态另类bdsm刘玥| 极品教师在线视频| 在现免费观看毛片| 亚洲婷婷狠狠爱综合网| 99久久人妻综合| av国产久精品久网站免费入址| 国产精品三级大全| 五月伊人婷婷丁香| 国产成人精品久久久久久| 国产精品国产av在线观看| 亚洲精品456在线播放app| 视频中文字幕在线观看| 一级毛片 在线播放| 我的老师免费观看完整版| 欧美高清成人免费视频www| 熟妇人妻不卡中文字幕| 狂野欧美白嫩少妇大欣赏| 91精品国产国语对白视频| 亚洲伊人久久精品综合| 亚洲欧洲日产国产| 亚洲欧美精品专区久久| 成人亚洲精品一区在线观看| 久久狼人影院| 九九爱精品视频在线观看| 亚洲人与动物交配视频| 最近手机中文字幕大全| av在线播放精品| 黑人猛操日本美女一级片| 久久久久久伊人网av| 亚洲美女黄色视频免费看| 婷婷色麻豆天堂久久| 国产精品一区二区性色av| 性高湖久久久久久久久免费观看| 18+在线观看网站| 久久国产精品男人的天堂亚洲 | 亚洲三级黄色毛片| 欧美 日韩 精品 国产| 男人和女人高潮做爰伦理| 午夜91福利影院| 在线观看国产h片| 亚洲内射少妇av| 99久久精品热视频| 只有这里有精品99| 欧美激情极品国产一区二区三区 | 看非洲黑人一级黄片| 亚洲精品视频女| 成年美女黄网站色视频大全免费 | 国产成人午夜福利电影在线观看| 欧美日韩亚洲高清精品| 久久精品国产亚洲网站| 一本久久精品| 国产高清有码在线观看视频| 夫妻午夜视频| 成人18禁高潮啪啪吃奶动态图 | 国产淫语在线视频| 一级av片app| 青春草国产在线视频| 最近2019中文字幕mv第一页| 一本久久精品| 国产成人a∨麻豆精品| 中文精品一卡2卡3卡4更新| 中文欧美无线码| 我的老师免费观看完整版| 日韩欧美 国产精品| 欧美最新免费一区二区三区| 免费观看在线日韩| 亚洲欧美日韩东京热| 尾随美女入室| 老女人水多毛片| 蜜桃久久精品国产亚洲av| 中文字幕亚洲精品专区| 午夜老司机福利剧场| 亚洲婷婷狠狠爱综合网| 日本av手机在线免费观看| 精品少妇久久久久久888优播| 免费观看无遮挡的男女| 免费av中文字幕在线| 亚洲国产精品一区三区| 97在线视频观看| 亚洲欧洲精品一区二区精品久久久 | 国产精品伦人一区二区| 国产精品久久久久久av不卡| 九色成人免费人妻av| 男女边吃奶边做爰视频| 99热网站在线观看| av播播在线观看一区| 国产一区二区三区av在线| 亚洲精品,欧美精品| 老司机影院毛片| 亚洲国产日韩一区二区| 日日摸夜夜添夜夜添av毛片| 国产色婷婷99| 伊人久久国产一区二区| 国产精品久久久久久久久免| 久久精品夜色国产| 国产精品久久久久久av不卡| 少妇裸体淫交视频免费看高清| 啦啦啦在线观看免费高清www| 成人国产av品久久久| 在线天堂最新版资源| a级一级毛片免费在线观看| 国产成人精品一,二区| 中文字幕人妻熟人妻熟丝袜美| 伊人久久国产一区二区| 精品亚洲成a人片在线观看| 一个人免费看片子| 嘟嘟电影网在线观看| 亚洲国产色片| 日韩 亚洲 欧美在线| 精品一区二区三区视频在线| 狂野欧美激情性bbbbbb| 好男人视频免费观看在线| 好男人视频免费观看在线| 亚洲国产最新在线播放| 最后的刺客免费高清国语| 免费观看无遮挡的男女| 国产精品熟女久久久久浪| 精品久久久精品久久久| 久久国产亚洲av麻豆专区| 成人漫画全彩无遮挡| 国产综合精华液| 日韩欧美精品免费久久| 美女cb高潮喷水在线观看| 一区二区三区免费毛片| av卡一久久| 国产免费一区二区三区四区乱码| 国产免费一区二区三区四区乱码| 色视频在线一区二区三区| 色吧在线观看| 视频区图区小说| 日韩精品有码人妻一区| 午夜激情久久久久久久| 国产精品一区二区在线不卡| 亚洲av电影在线观看一区二区三区| 热re99久久国产66热| av卡一久久| 大片免费播放器 马上看| 国产高清有码在线观看视频| 亚洲,一卡二卡三卡| 久久国内精品自在自线图片| 国产精品熟女久久久久浪| 在线免费观看不下载黄p国产| 建设人人有责人人尽责人人享有的| 男人狂女人下面高潮的视频| 国产 精品1| 韩国av在线不卡| 亚洲av不卡在线观看| 丝袜喷水一区| 成年人午夜在线观看视频| 有码 亚洲区| 黑人高潮一二区| 婷婷色麻豆天堂久久| 大陆偷拍与自拍| 99re6热这里在线精品视频| 夫妻性生交免费视频一级片| 色94色欧美一区二区| 成年人免费黄色播放视频 | 亚洲av二区三区四区| 亚洲国产日韩一区二区| 丝瓜视频免费看黄片| 啦啦啦视频在线资源免费观看| 又粗又硬又长又爽又黄的视频| 一本色道久久久久久精品综合| 高清av免费在线| av天堂久久9| 久久6这里有精品| 一二三四中文在线观看免费高清| 免费观看的影片在线观看| 成年人午夜在线观看视频| 少妇 在线观看| 国产精品伦人一区二区| 欧美丝袜亚洲另类| 久久久久久久亚洲中文字幕| 欧美97在线视频| 涩涩av久久男人的天堂| 涩涩av久久男人的天堂| 黑人巨大精品欧美一区二区蜜桃 | 国产av精品麻豆| 国产精品久久久久久久电影| 日韩一本色道免费dvd| 国产 一区精品| 3wmmmm亚洲av在线观看| 桃花免费在线播放| av一本久久久久| 性色avwww在线观看| 亚洲人与动物交配视频| 国产精品一二三区在线看| 中文字幕免费在线视频6| 免费黄频网站在线观看国产| kizo精华| 国产精品一区二区在线观看99| 最近中文字幕2019免费版| 亚洲第一区二区三区不卡| 亚洲精品久久久久久婷婷小说| 欧美另类一区| 国产亚洲午夜精品一区二区久久| 成人国产av品久久久| freevideosex欧美| 日本与韩国留学比较| 七月丁香在线播放| av一本久久久久| 国产免费一区二区三区四区乱码| 一本一本综合久久| 亚洲成人手机| 卡戴珊不雅视频在线播放| av国产久精品久网站免费入址| 亚洲精品成人av观看孕妇| 日日啪夜夜爽| 国产毛片在线视频| 熟女电影av网| 最新的欧美精品一区二区| 日本vs欧美在线观看视频 | 国产亚洲av片在线观看秒播厂| 老司机亚洲免费影院| 国产av国产精品国产| 亚洲色图综合在线观看| 观看美女的网站| 9色porny在线观看| 日韩免费高清中文字幕av| 欧美丝袜亚洲另类| 伊人久久国产一区二区| 成人综合一区亚洲| 成人亚洲精品一区在线观看| 亚洲精品视频女| 爱豆传媒免费全集在线观看| 一本—道久久a久久精品蜜桃钙片| www.色视频.com| 欧美亚洲 丝袜 人妻 在线| 国产黄色免费在线视频| 欧美bdsm另类| 国产精品欧美亚洲77777| av国产久精品久网站免费入址| 男人爽女人下面视频在线观看| 国产一级毛片在线| 青春草视频在线免费观看| 亚洲久久久国产精品| 久久久国产欧美日韩av| 午夜精品国产一区二区电影| 水蜜桃什么品种好| 欧美日韩av久久| 色视频www国产| 久热这里只有精品99| 免费av不卡在线播放| 亚洲激情五月婷婷啪啪| 日韩精品有码人妻一区| 国产成人精品婷婷| 国产片特级美女逼逼视频| 中文字幕亚洲精品专区| 欧美最新免费一区二区三区| 草草在线视频免费看| 国产成人免费无遮挡视频| 人妻系列 视频| 性色av一级| 少妇人妻精品综合一区二区| 国产乱来视频区| 亚洲国产色片| 欧美精品亚洲一区二区| 欧美97在线视频| 免费av不卡在线播放| 欧美日韩精品成人综合77777| 亚洲av福利一区| 国产精品久久久久久av不卡| 天堂俺去俺来也www色官网| 丝袜喷水一区| av在线老鸭窝| 亚洲av成人精品一区久久| 国产乱人偷精品视频| 国产成人精品一,二区| 色5月婷婷丁香| 交换朋友夫妻互换小说| 女人精品久久久久毛片| 天美传媒精品一区二区| 亚洲精品成人av观看孕妇| 精品视频人人做人人爽| 国产女主播在线喷水免费视频网站| 成人毛片60女人毛片免费| 国产一区二区在线观看日韩| 丰满人妻一区二区三区视频av| 亚洲精品久久午夜乱码| 免费黄色在线免费观看| 国产精品久久久久久精品电影小说| 国产黄色视频一区二区在线观看| 如何舔出高潮| 久久久精品免费免费高清| 看十八女毛片水多多多| 纵有疾风起免费观看全集完整版| 国产成人91sexporn| 国产精品欧美亚洲77777| 2018国产大陆天天弄谢| 视频区图区小说| 国产亚洲91精品色在线| 国产av国产精品国产| 男人和女人高潮做爰伦理| 亚洲精品日本国产第一区| 人妻少妇偷人精品九色| 亚洲欧美日韩另类电影网站| 亚洲精品乱码久久久v下载方式| 色94色欧美一区二区| 国产成人91sexporn| 亚洲,一卡二卡三卡| 香蕉精品网在线| 午夜福利,免费看| 日韩伦理黄色片| 国产免费一区二区三区四区乱码| 亚洲精品乱码久久久v下载方式| 亚洲成人av在线免费| 国产精品偷伦视频观看了| 久久久久久久久大av| 中文乱码字字幕精品一区二区三区| 亚洲丝袜综合中文字幕| 欧美精品人与动牲交sv欧美| 亚洲性久久影院| av女优亚洲男人天堂| 又黄又爽又刺激的免费视频.| 免费人妻精品一区二区三区视频| 日日爽夜夜爽网站| 久久国产精品男人的天堂亚洲 | 制服丝袜香蕉在线| 欧美另类一区| 久久午夜福利片| 亚洲第一av免费看| 亚洲怡红院男人天堂| 久久久久精品性色| 欧美最新免费一区二区三区| 热re99久久国产66热| 麻豆成人av视频| 精品久久久久久久久av| 自线自在国产av| 汤姆久久久久久久影院中文字幕| 最后的刺客免费高清国语| 国产在线视频一区二区| 精品少妇久久久久久888优播| 日韩一区二区视频免费看| 国内揄拍国产精品人妻在线| 亚洲精品国产av蜜桃| 国产精品偷伦视频观看了| a 毛片基地| 插逼视频在线观看| av国产久精品久网站免费入址| 欧美日本中文国产一区发布| 黄色怎么调成土黄色| 国产精品人妻久久久久久| 午夜激情久久久久久久| 日韩视频在线欧美| av又黄又爽大尺度在线免费看| 内地一区二区视频在线| 精品人妻偷拍中文字幕| 一本一本综合久久| 天堂中文最新版在线下载| 亚洲成人手机| 亚洲av二区三区四区| 日本av手机在线免费观看| 国产毛片在线视频| 成人18禁高潮啪啪吃奶动态图 | 97超碰精品成人国产| 国产亚洲欧美精品永久| 成人美女网站在线观看视频| 久久久久视频综合| 中文字幕人妻熟人妻熟丝袜美| av福利片在线| 成人二区视频| 午夜av观看不卡| a级毛色黄片| 男女边摸边吃奶| 国产老妇伦熟女老妇高清| 免费观看在线日韩| 婷婷色综合www| 美女脱内裤让男人舔精品视频| 亚洲内射少妇av| 最近手机中文字幕大全| 免费黄色在线免费观看| 亚洲av成人精品一区久久| 日产精品乱码卡一卡2卡三| 国产精品一区www在线观看| 寂寞人妻少妇视频99o| 最近手机中文字幕大全| 亚洲欧美一区二区三区黑人 | 男女边摸边吃奶| 欧美精品亚洲一区二区| 男女啪啪激烈高潮av片| 51国产日韩欧美| 精品人妻偷拍中文字幕| 日韩一区二区三区影片| 免费高清在线观看视频在线观看| 建设人人有责人人尽责人人享有的| 亚洲一区二区三区欧美精品| 少妇人妻精品综合一区二区| 免费高清在线观看视频在线观看| 一级av片app| 2022亚洲国产成人精品| 少妇 在线观看| 精品人妻偷拍中文字幕| 少妇人妻精品综合一区二区| freevideosex欧美| 国产黄色视频一区二区在线观看| 男人舔奶头视频| 久久韩国三级中文字幕| 大又大粗又爽又黄少妇毛片口| 亚洲国产精品专区欧美| 一级av片app| 纵有疾风起免费观看全集完整版| 2021少妇久久久久久久久久久| 夫妻性生交免费视频一级片| 久久午夜福利片| 精品国产一区二区三区久久久樱花| 大片免费播放器 马上看| 五月开心婷婷网| 一二三四中文在线观看免费高清| 亚洲经典国产精华液单| 精品国产国语对白av| 久久久国产精品麻豆| 91精品伊人久久大香线蕉| 欧美激情极品国产一区二区三区 | 一级a做视频免费观看| 亚洲第一av免费看| 国产精品免费大片| 亚洲精华国产精华液的使用体验| 国产视频首页在线观看| 欧美老熟妇乱子伦牲交| 日本av手机在线免费观看| 亚洲国产日韩一区二区| 国产高清有码在线观看视频| 久久久国产精品麻豆| av国产久精品久网站免费入址| 久久国产精品大桥未久av | 男女边摸边吃奶| 少妇熟女欧美另类| 久久国产乱子免费精品| 晚上一个人看的免费电影| 久久精品国产自在天天线| 黑人巨大精品欧美一区二区蜜桃 | av播播在线观看一区| 国产乱来视频区| 汤姆久久久久久久影院中文字幕| 国产一级毛片在线| 99久久精品热视频| 国产亚洲av片在线观看秒播厂| 日韩大片免费观看网站| 免费少妇av软件| 亚洲国产欧美在线一区| 80岁老熟妇乱子伦牲交| 亚洲情色 制服丝袜| 国产伦理片在线播放av一区| 中文字幕av电影在线播放| 亚洲精品日韩在线中文字幕| a 毛片基地| 亚洲真实伦在线观看| 嘟嘟电影网在线观看| 视频区图区小说| av在线app专区| 国产精品人妻久久久影院| 精品一品国产午夜福利视频| 黑人猛操日本美女一级片| 日韩在线高清观看一区二区三区| 欧美性感艳星| 日日摸夜夜添夜夜添av毛片| 久久精品久久精品一区二区三区| 亚洲成人av在线免费| 免费观看的影片在线观看| 成人毛片a级毛片在线播放| 最近的中文字幕免费完整| 国产精品成人在线| 纯流量卡能插随身wifi吗| 国产一区二区在线观看av| 欧美一级a爱片免费观看看| 2018国产大陆天天弄谢| 蜜桃在线观看..| 日韩精品有码人妻一区| 嫩草影院新地址| 国产精品久久久久久久久免| 岛国毛片在线播放| 亚洲精品乱久久久久久| 国产在线男女| 啦啦啦中文免费视频观看日本| 亚洲经典国产精华液单| 国产淫片久久久久久久久| 亚洲激情五月婷婷啪啪| 在线亚洲精品国产二区图片欧美 | 精品国产国语对白av| 大话2 男鬼变身卡| 免费在线观看成人毛片| 欧美日韩精品成人综合77777| 久久精品国产亚洲av天美| av免费在线看不卡| 少妇的逼水好多| 日本av手机在线免费观看| 色网站视频免费| 一级毛片 在线播放| 一级毛片aaaaaa免费看小| 成人18禁高潮啪啪吃奶动态图 | 边亲边吃奶的免费视频| 亚洲精品中文字幕在线视频 | 亚洲精品成人av观看孕妇| 欧美亚洲 丝袜 人妻 在线| 91精品国产九色| 中国三级夫妇交换| 精品一品国产午夜福利视频| 亚洲精品久久午夜乱码| 欧美日韩一区二区视频在线观看视频在线| 国产精品一区www在线观看| 黄片无遮挡物在线观看| 成年av动漫网址| 各种免费的搞黄视频| 国产在线男女| 国产黄片视频在线免费观看| 精品熟女少妇av免费看| 少妇 在线观看| 国产极品粉嫩免费观看在线 | 在线观看一区二区三区激情| 男女边吃奶边做爰视频| 久久久久久久久久成人| 亚洲精品国产av成人精品| 一级,二级,三级黄色视频| 婷婷色av中文字幕| 亚州av有码| 人妻 亚洲 视频| 免费观看性生交大片5| 免费av不卡在线播放| 亚洲国产精品成人久久小说| 少妇人妻一区二区三区视频| 久久精品国产a三级三级三级| 有码 亚洲区| 亚洲,欧美,日韩| 国产男女内射视频| 午夜激情福利司机影院| 久久人人爽人人片av| 亚洲av成人精品一区久久| 全区人妻精品视频| 少妇人妻久久综合中文| 久久青草综合色| 亚洲精品成人av观看孕妇| 日韩在线高清观看一区二区三区| 自拍偷自拍亚洲精品老妇| 午夜免费鲁丝| 中文字幕免费在线视频6| 岛国毛片在线播放| 亚洲av.av天堂| 亚洲人与动物交配视频| 99re6热这里在线精品视频| 九九久久精品国产亚洲av麻豆| 中文乱码字字幕精品一区二区三区| 99国产精品免费福利视频| 日韩精品有码人妻一区| 国产精品久久久久久精品电影小说| 久久99蜜桃精品久久| 黑人巨大精品欧美一区二区蜜桃 | 欧美精品一区二区大全| 91精品国产九色| 黑人高潮一二区| 中文资源天堂在线| 最后的刺客免费高清国语| 91午夜精品亚洲一区二区三区| 丝瓜视频免费看黄片| 午夜久久久在线观看| 亚洲国产日韩一区二区| 曰老女人黄片| 3wmmmm亚洲av在线观看| 久久婷婷青草| 91精品国产国语对白视频| 久久久久久久久久久久大奶| 国产爽快片一区二区三区| 午夜久久久在线观看| 国产精品一区二区在线观看99| 精品人妻熟女av久视频| 少妇人妻 视频| 国产伦精品一区二区三区四那| 91久久精品国产一区二区成人| 亚洲av日韩在线播放| 亚洲国产欧美日韩在线播放 | 日韩,欧美,国产一区二区三区| 在现免费观看毛片| 99热国产这里只有精品6| 精品一品国产午夜福利视频| 男男h啪啪无遮挡| 日韩av不卡免费在线播放| 亚洲图色成人| 久久ye,这里只有精品| 你懂的网址亚洲精品在线观看| 久久精品久久久久久久性| 欧美精品国产亚洲| 国产探花极品一区二区| 国产淫片久久久久久久久| 最新中文字幕久久久久| 欧美变态另类bdsm刘玥| 亚洲婷婷狠狠爱综合网| av播播在线观看一区| 久久狼人影院| 亚洲婷婷狠狠爱综合网| 日本av免费视频播放| 中文字幕久久专区| 少妇猛男粗大的猛烈进出视频| 一级,二级,三级黄色视频| 国产色爽女视频免费观看| 黄色怎么调成土黄色| 日韩人妻高清精品专区| 亚洲图色成人| 视频中文字幕在线观看| 两个人的视频大全免费| 99久久人妻综合| 欧美性感艳星| 亚洲精品aⅴ在线观看| 蜜桃久久精品国产亚洲av| 中国国产av一级| 日韩欧美 国产精品| 亚洲精品乱码久久久v下载方式| 一级毛片久久久久久久久女| 国产免费一级a男人的天堂|