• <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
    三级国产精品片| 国产欧美日韩精品一区二区| 亚洲精品第二区| 18禁在线播放成人免费| 中国三级夫妇交换| 蜜臀久久99精品久久宅男| 99视频精品全部免费 在线| 欧美人与善性xxx| 精品亚洲成a人片在线观看| 久久人人爽人人片av| 插阴视频在线观看视频| 18禁在线播放成人免费| 最近最新中文字幕免费大全7| 国产真实伦视频高清在线观看| 精品国产露脸久久av麻豆| a级片在线免费高清观看视频| 亚洲精品一区蜜桃| 亚洲精品成人av观看孕妇| 国产精品久久久久成人av| 18禁在线无遮挡免费观看视频| 观看美女的网站| 国国产精品蜜臀av免费| 中文精品一卡2卡3卡4更新| 亚洲av男天堂| 亚洲av中文av极速乱| 人妻夜夜爽99麻豆av| 黑丝袜美女国产一区| 久久久久国产网址| 亚洲在久久综合| 亚洲国产精品999| 国产日韩欧美在线精品| 黑人巨大精品欧美一区二区蜜桃 | 日韩熟女老妇一区二区性免费视频| 97超碰精品成人国产| 中文字幕久久专区| 丝瓜视频免费看黄片| 亚洲不卡免费看| 精品99又大又爽又粗少妇毛片| 成人二区视频| 97精品久久久久久久久久精品| 中文欧美无线码| 久久久国产精品麻豆| 插阴视频在线观看视频| 欧美国产精品一级二级三级 | 在线观看免费高清a一片| 国产亚洲午夜精品一区二区久久| 久久国产乱子免费精品| 免费观看av网站的网址| 在线精品无人区一区二区三| 中文字幕人妻熟人妻熟丝袜美| 人妻人人澡人人爽人人| 国产精品人妻久久久影院| 街头女战士在线观看网站| 菩萨蛮人人尽说江南好唐韦庄| 欧美三级亚洲精品| 亚洲av成人精品一区久久| 久久精品夜色国产| av卡一久久| 爱豆传媒免费全集在线观看| 亚洲精品久久久久久婷婷小说| 国产精品99久久久久久久久| 秋霞伦理黄片| 丝袜脚勾引网站| 亚洲欧洲精品一区二区精品久久久 | 国产免费又黄又爽又色| 黄色毛片三级朝国网站 | 黄色毛片三级朝国网站 | 蜜桃久久精品国产亚洲av| 狂野欧美激情性bbbbbb| 精品少妇久久久久久888优播| 黑人高潮一二区| av播播在线观看一区| 肉色欧美久久久久久久蜜桃| 国产探花极品一区二区| 性色av一级| 婷婷色综合www| 成人影院久久| 2022亚洲国产成人精品| 免费少妇av软件| 亚洲美女搞黄在线观看| 亚洲色图综合在线观看| 丰满人妻一区二区三区视频av| 亚洲精品日韩在线中文字幕| 亚洲av二区三区四区| 色94色欧美一区二区| 在线亚洲精品国产二区图片欧美 | 国产午夜精品一二区理论片| 欧美 日韩 精品 国产| 午夜福利视频精品| 日韩强制内射视频| 日韩不卡一区二区三区视频在线| 久久久久久久久久久久大奶| 国产精品一区二区在线观看99| 日本91视频免费播放| 免费黄色在线免费观看| 啦啦啦视频在线资源免费观看| 少妇人妻一区二区三区视频| 大话2 男鬼变身卡| 高清视频免费观看一区二区| 久久久a久久爽久久v久久| 精品一区二区三区视频在线| 在线观看免费高清a一片| 观看美女的网站| 免费高清在线观看视频在线观看| 国产伦理片在线播放av一区| 美女视频免费永久观看网站| 日韩 亚洲 欧美在线| 亚洲婷婷狠狠爱综合网| 2018国产大陆天天弄谢| 日韩中文字幕视频在线看片| 精华霜和精华液先用哪个| 国产精品一区二区三区四区免费观看| 色5月婷婷丁香| 中文资源天堂在线| 国产伦理片在线播放av一区| 国产精品国产av在线观看| 一级爰片在线观看| 97在线人人人人妻| 内地一区二区视频在线| 国产69精品久久久久777片| 免费黄色在线免费观看| 少妇熟女欧美另类| 在线免费观看不下载黄p国产| 国产精品熟女久久久久浪| 中文字幕精品免费在线观看视频 | 简卡轻食公司| 男人爽女人下面视频在线观看| 春色校园在线视频观看| 一区二区三区四区激情视频| 日本猛色少妇xxxxx猛交久久| 五月玫瑰六月丁香| 日韩中字成人| 日韩一本色道免费dvd| 久久久久精品久久久久真实原创| 国产白丝娇喘喷水9色精品| 色5月婷婷丁香| 高清视频免费观看一区二区| 在线观看一区二区三区激情| 亚洲人成网站在线播| 免费黄网站久久成人精品| 久久精品久久久久久久性| 丰满饥渴人妻一区二区三| 亚洲美女搞黄在线观看| 日日摸夜夜添夜夜爱| 成人国产av品久久久| 在线观看免费日韩欧美大片 | 女人久久www免费人成看片| 欧美激情国产日韩精品一区| 熟女av电影| 丁香六月天网| 亚洲图色成人| 十八禁高潮呻吟视频 | 久久99一区二区三区| 国产精品一区二区在线观看99| 国产一区二区三区综合在线观看 | 两个人免费观看高清视频 | 亚洲精品aⅴ在线观看| 免费观看av网站的网址| 国产免费福利视频在线观看| 永久免费av网站大全| 精品国产露脸久久av麻豆| 国产有黄有色有爽视频| 精品国产一区二区三区久久久樱花| 国产有黄有色有爽视频| 在线天堂最新版资源| 久久人妻熟女aⅴ| av.在线天堂| 亚洲精品日韩在线中文字幕| 亚洲精品久久久久久婷婷小说| 国产黄色免费在线视频| 欧美精品人与动牲交sv欧美| 天天躁夜夜躁狠狠久久av| 少妇人妻久久综合中文| 国产精品三级大全| 18禁在线无遮挡免费观看视频| 91久久精品国产一区二区三区| 国产黄片视频在线免费观看| av播播在线观看一区| av福利片在线| 国内揄拍国产精品人妻在线| 国产伦精品一区二区三区视频9| 少妇人妻久久综合中文| 国产精品国产三级国产av玫瑰| 中文精品一卡2卡3卡4更新| 国产精品三级大全| 亚洲情色 制服丝袜| 亚洲av电影在线观看一区二区三区| 国产精品人妻久久久影院| 伦理电影免费视频| 嫩草影院新地址| 亚洲国产最新在线播放| 99久久精品国产国产毛片| 高清欧美精品videossex| 午夜福利视频精品| 精品少妇内射三级| 最近2019中文字幕mv第一页| 性色av一级| 国产日韩欧美亚洲二区| 精品视频人人做人人爽| 免费看不卡的av| 国产精品一区二区三区四区免费观看| 国产av精品麻豆| 高清黄色对白视频在线免费看 | 日产精品乱码卡一卡2卡三| 国产亚洲5aaaaa淫片| 亚洲精品日韩av片在线观看| 国产成人免费观看mmmm| 国产成人免费观看mmmm| 国产亚洲午夜精品一区二区久久| 日韩强制内射视频| 在线观看美女被高潮喷水网站| 亚洲成人手机| 亚洲国产精品成人久久小说| 韩国av在线不卡| 中文字幕免费在线视频6| 欧美一级a爱片免费观看看| 成年av动漫网址| 久久久久久久国产电影| 我要看黄色一级片免费的| 国内精品宾馆在线| 日本黄色片子视频| 国产成人精品一,二区| 伊人久久精品亚洲午夜| 国产精品.久久久| 大香蕉97超碰在线| 欧美xxxx性猛交bbbb| 如何舔出高潮| 涩涩av久久男人的天堂| 午夜影院在线不卡| 97超碰精品成人国产| 国产精品99久久久久久久久| 人人妻人人澡人人爽人人夜夜| 亚洲激情五月婷婷啪啪| 日本免费在线观看一区| 欧美精品人与动牲交sv欧美| 在线观看av片永久免费下载| 婷婷色综合大香蕉| 成人国产av品久久久| 最近2019中文字幕mv第一页| 亚洲精品456在线播放app| 国产亚洲av片在线观看秒播厂| 免费黄网站久久成人精品| 涩涩av久久男人的天堂| 午夜视频国产福利| 少妇的逼水好多| 黄色配什么色好看| 亚洲欧美一区二区三区黑人 | 欧美日韩一区二区视频在线观看视频在线| 国产精品无大码| 91久久精品国产一区二区三区| 人妻少妇偷人精品九色| 丝袜喷水一区| 国产精品久久久久久久电影| 精品国产乱码久久久久久小说| av天堂久久9| 免费观看的影片在线观看| 国产老妇伦熟女老妇高清| 51国产日韩欧美| 亚洲国产精品国产精品| 亚洲经典国产精华液单| 日韩av不卡免费在线播放| 日本与韩国留学比较| 最新中文字幕久久久久| 一级a做视频免费观看| 欧美日韩视频高清一区二区三区二| av不卡在线播放| 少妇熟女欧美另类| 日本91视频免费播放| 国产伦理片在线播放av一区| 三级国产精品欧美在线观看| 少妇人妻一区二区三区视频| 少妇人妻 视频| 精品午夜福利在线看| 亚洲国产欧美在线一区| 视频区图区小说| 中文精品一卡2卡3卡4更新| 青春草亚洲视频在线观看| 99久久中文字幕三级久久日本| 五月伊人婷婷丁香| 国产av精品麻豆| 一级毛片黄色毛片免费观看视频| 男的添女的下面高潮视频| 中文欧美无线码| 国产一区二区在线观看日韩| 亚洲精品乱久久久久久| 成人特级av手机在线观看| 嫩草影院新地址| 韩国av在线不卡| 如何舔出高潮| 中文字幕人妻熟人妻熟丝袜美| 午夜福利,免费看| 免费大片黄手机在线观看| 成人毛片60女人毛片免费| 亚洲精品日韩在线中文字幕| 极品人妻少妇av视频| 国产亚洲欧美精品永久| 免费不卡的大黄色大毛片视频在线观看| 亚洲国产最新在线播放| 精品人妻熟女av久视频| 日韩 亚洲 欧美在线| 老熟女久久久| 人人妻人人爽人人添夜夜欢视频 | 女人久久www免费人成看片| 日本黄大片高清| 哪个播放器可以免费观看大片| 大码成人一级视频| av在线播放精品| 亚洲综合精品二区| 91精品国产九色| 久久精品熟女亚洲av麻豆精品| 性高湖久久久久久久久免费观看| 久久久亚洲精品成人影院| 搡女人真爽免费视频火全软件| 高清av免费在线| 欧美性感艳星| 热re99久久国产66热| 亚洲国产精品成人久久小说| 国产中年淑女户外野战色| 高清毛片免费看| 久久亚洲国产成人精品v| 九九在线视频观看精品| av在线观看视频网站免费| 亚洲怡红院男人天堂| 一级二级三级毛片免费看| 亚洲va在线va天堂va国产| 美女视频免费永久观看网站| 欧美日韩视频精品一区| 菩萨蛮人人尽说江南好唐韦庄| 成人漫画全彩无遮挡| 一本久久精品| 妹子高潮喷水视频| 中文在线观看免费www的网站| 国产白丝娇喘喷水9色精品| 亚洲精品日韩在线中文字幕| 日韩伦理黄色片| 久久久久人妻精品一区果冻| 视频中文字幕在线观看| a 毛片基地| 少妇 在线观看| 在线观看一区二区三区激情| 久久婷婷青草| www.av在线官网国产| 久久久午夜欧美精品| 久久人妻熟女aⅴ| 国产精品蜜桃在线观看| 国产黄频视频在线观看| 久久精品国产鲁丝片午夜精品| 精品亚洲成a人片在线观看| 久久综合国产亚洲精品| av卡一久久| 秋霞在线观看毛片| 十八禁高潮呻吟视频 | 精品人妻偷拍中文字幕| 国产一区二区在线观看日韩| 一级二级三级毛片免费看| 狂野欧美激情性bbbbbb| 欧美一级a爱片免费观看看| 熟女电影av网| 22中文网久久字幕| 一级毛片 在线播放| 国产精品一区二区在线不卡| 人妻人人澡人人爽人人| 亚洲av不卡在线观看| 国产av一区二区精品久久| 美女大奶头黄色视频| 亚洲欧洲国产日韩| 亚洲情色 制服丝袜| 精品人妻熟女av久视频| 丝袜在线中文字幕| av专区在线播放| 人人妻人人澡人人爽人人夜夜| 欧美亚洲 丝袜 人妻 在线| 99热网站在线观看| 啦啦啦在线观看免费高清www| 亚洲高清免费不卡视频| 99热这里只有是精品在线观看| 高清在线视频一区二区三区| 赤兔流量卡办理| 国产女主播在线喷水免费视频网站| 国内揄拍国产精品人妻在线| 免费av中文字幕在线| 老司机亚洲免费影院| videos熟女内射| 三级国产精品欧美在线观看| 26uuu在线亚洲综合色| 青春草亚洲视频在线观看| 精品人妻熟女av久视频| 欧美97在线视频| 久久鲁丝午夜福利片| 国产精品成人在线| 国产综合精华液| 99热6这里只有精品| av专区在线播放| 欧美最新免费一区二区三区| 日韩伦理黄色片| 亚洲国产精品专区欧美| 日日爽夜夜爽网站| 在线观看www视频免费| 国产av一区二区精品久久| 人妻夜夜爽99麻豆av| 日本猛色少妇xxxxx猛交久久| 一区二区三区乱码不卡18| 高清在线视频一区二区三区| 成人免费观看视频高清| 亚洲精品亚洲一区二区| 一级a做视频免费观看| 麻豆成人午夜福利视频| 久久婷婷青草| 天天躁夜夜躁狠狠久久av| 18禁裸乳无遮挡动漫免费视频| 99久久综合免费| 内地一区二区视频在线| 三级经典国产精品| 欧美日韩视频精品一区| 一级二级三级毛片免费看| 色视频www国产| 国产探花极品一区二区| 最新的欧美精品一区二区| 久久久久人妻精品一区果冻| 一级黄片播放器| 色5月婷婷丁香| 亚洲精品,欧美精品| 中国国产av一级| 成人二区视频| 成人综合一区亚洲| 高清黄色对白视频在线免费看 | 久久久久国产网址| 亚洲熟女精品中文字幕| 嫩草影院新地址| 人妻 亚洲 视频| 久久久久久伊人网av| 日本黄色片子视频| 免费观看在线日韩| 综合色丁香网| 国产免费又黄又爽又色| 日韩中字成人| 中文乱码字字幕精品一区二区三区| 日韩,欧美,国产一区二区三区| 国产国拍精品亚洲av在线观看| 香蕉精品网在线| 国内少妇人妻偷人精品xxx网站| 日韩视频在线欧美| av在线老鸭窝| 在线天堂最新版资源| 久久久久视频综合| 精品少妇内射三级| 在线观看人妻少妇| 亚洲欧美一区二区三区黑人 | 一本大道久久a久久精品| 中文字幕精品免费在线观看视频 | 一本一本综合久久| 久久99热6这里只有精品| 日韩成人伦理影院| 哪个播放器可以免费观看大片| 一区二区三区四区激情视频| 亚洲精品中文字幕在线视频 | 如何舔出高潮| 色网站视频免费| 国产亚洲午夜精品一区二区久久| 免费在线观看成人毛片| 观看免费一级毛片| 少妇精品久久久久久久| 高清黄色对白视频在线免费看 | 最近中文字幕高清免费大全6| 在线观看www视频免费| 高清视频免费观看一区二区| 成人黄色视频免费在线看| 色视频在线一区二区三区| av线在线观看网站| 大陆偷拍与自拍| 国产精品免费大片| 99热全是精品| 欧美激情极品国产一区二区三区 | 日韩av不卡免费在线播放| 我要看黄色一级片免费的| 亚洲三级黄色毛片| 免费高清在线观看视频在线观看| 人人妻人人添人人爽欧美一区卜| 狠狠精品人妻久久久久久综合| 国产成人精品久久久久久| 激情五月婷婷亚洲| 精品99又大又爽又粗少妇毛片| 制服丝袜香蕉在线| a级毛片免费高清观看在线播放| 最近的中文字幕免费完整| 伦精品一区二区三区| 国产精品人妻久久久影院| 三级国产精品片| av福利片在线观看| av福利片在线| 午夜免费鲁丝| 亚洲精品乱码久久久v下载方式| 日韩在线高清观看一区二区三区| 美女主播在线视频| 免费观看的影片在线观看| 另类亚洲欧美激情| 欧美日韩精品成人综合77777| 午夜老司机福利剧场| 久久久国产欧美日韩av| 全区人妻精品视频| 免费av中文字幕在线| 大片免费播放器 马上看| 中文字幕制服av| 一级毛片黄色毛片免费观看视频| 大码成人一级视频| 男人爽女人下面视频在线观看| 在线播放无遮挡| 亚洲国产精品专区欧美| 久久久久国产精品人妻一区二区| 国产精品.久久久| 亚洲精品色激情综合| 国产老妇伦熟女老妇高清| 一级av片app| 国产熟女欧美一区二区| 国产精品欧美亚洲77777| 国产深夜福利视频在线观看| 国产精品成人在线| 国产成人免费无遮挡视频| 亚洲三级黄色毛片| 免费不卡的大黄色大毛片视频在线观看| 狂野欧美白嫩少妇大欣赏| 麻豆成人av视频| 爱豆传媒免费全集在线观看| 最近手机中文字幕大全| 国产黄片美女视频| xxx大片免费视频| 在线观看三级黄色| 一级黄片播放器| 三级经典国产精品| 精品久久久久久久久av| 亚洲精品中文字幕在线视频 | 另类精品久久| 插逼视频在线观看| 国产亚洲最大av| 蜜桃久久精品国产亚洲av| 黄色日韩在线| 国产亚洲欧美精品永久| 亚洲精品成人av观看孕妇| 亚洲中文av在线| 我的女老师完整版在线观看| 欧美精品亚洲一区二区| 国产白丝娇喘喷水9色精品| 久久久精品94久久精品| 乱码一卡2卡4卡精品| 国产永久视频网站| 亚洲成人手机| 蜜桃在线观看..| 色婷婷av一区二区三区视频| 国产 精品1| 99久久精品一区二区三区| 视频区图区小说| 亚洲国产色片| 一级毛片电影观看| 亚洲av不卡在线观看| 欧美精品一区二区大全| 国国产精品蜜臀av免费| 国产69精品久久久久777片| av福利片在线观看| 久久午夜综合久久蜜桃| 国产精品麻豆人妻色哟哟久久| 午夜av观看不卡| 国产片特级美女逼逼视频| 午夜福利,免费看| 精品久久久久久久久亚洲| 免费观看的影片在线观看| 高清视频免费观看一区二区| 一本色道久久久久久精品综合| 男人和女人高潮做爰伦理| 免费看光身美女| 日本猛色少妇xxxxx猛交久久| 黑人巨大精品欧美一区二区蜜桃 | 国产永久视频网站| 中文精品一卡2卡3卡4更新| 在线观看www视频免费| 午夜福利网站1000一区二区三区| 国产免费视频播放在线视频| 国产精品不卡视频一区二区| 男女国产视频网站| 我要看黄色一级片免费的| 妹子高潮喷水视频| 国产午夜精品久久久久久一区二区三区| 少妇 在线观看| 国产成人精品福利久久| 美女内射精品一级片tv| 人人妻人人澡人人爽人人夜夜| 亚洲欧美日韩卡通动漫| 亚洲中文av在线| av国产久精品久网站免费入址| 亚洲经典国产精华液单| 99九九在线精品视频 | 搡女人真爽免费视频火全软件| 九九爱精品视频在线观看| 少妇人妻久久综合中文| 91成人精品电影| 亚洲精品色激情综合| 午夜视频国产福利| 国产高清国产精品国产三级| 不卡视频在线观看欧美| 久久韩国三级中文字幕| 日本免费在线观看一区| 色婷婷久久久亚洲欧美| 男的添女的下面高潮视频| 久久精品久久久久久久性| 久久国产乱子免费精品| 高清毛片免费看| 精品久久久久久电影网| 成人美女网站在线观看视频| 少妇的逼好多水| 亚洲,欧美,日韩| 午夜福利视频精品| 中文字幕人妻丝袜制服| 国产老妇伦熟女老妇高清| 国产精品国产三级专区第一集| 久热久热在线精品观看| 九九久久精品国产亚洲av麻豆|