• <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
    免费大片18禁| 国内精品美女久久久久久| 精品视频人人做人人爽| 51国产日韩欧美| 少妇裸体淫交视频免费看高清| 久久久久久国产a免费观看| 日日撸夜夜添| 国产 一区精品| 国产有黄有色有爽视频| 99re6热这里在线精品视频| 联通29元200g的流量卡| 欧美丝袜亚洲另类| 18禁在线无遮挡免费观看视频| 舔av片在线| 国产男人的电影天堂91| 亚洲熟女精品中文字幕| 欧美精品人与动牲交sv欧美| 99精国产麻豆久久婷婷| 成人午夜精彩视频在线观看| 国产亚洲av片在线观看秒播厂| 性色av一级| av女优亚洲男人天堂| 性插视频无遮挡在线免费观看| 超碰av人人做人人爽久久| 美女xxoo啪啪120秒动态图| 亚洲欧洲日产国产| 日韩大片免费观看网站| 精品久久久久久电影网| 亚洲熟女精品中文字幕| 只有这里有精品99| 日韩欧美 国产精品| 99精国产麻豆久久婷婷| 国产精品一区二区在线观看99| 亚洲最大成人中文| 亚洲人成网站在线观看播放| 高清毛片免费看| 麻豆乱淫一区二区| 亚洲国产精品成人久久小说| 国产av国产精品国产| 激情五月婷婷亚洲| 啦啦啦在线观看免费高清www| 一区二区av电影网| av免费观看日本| 成人黄色视频免费在线看| 2022亚洲国产成人精品| 成人毛片a级毛片在线播放| 在线天堂最新版资源| 熟女电影av网| 在线精品无人区一区二区三 | 亚洲婷婷狠狠爱综合网| 91在线精品国自产拍蜜月| 女人十人毛片免费观看3o分钟| 国产男人的电影天堂91| 亚洲av成人精品一二三区| 91午夜精品亚洲一区二区三区| 交换朋友夫妻互换小说| 国产女主播在线喷水免费视频网站| 色网站视频免费| 欧美最新免费一区二区三区| 国产探花极品一区二区| 国产伦在线观看视频一区| 十八禁网站网址无遮挡 | 亚洲精品国产成人久久av| 一边亲一边摸免费视频| 一级毛片 在线播放| 99热网站在线观看| 国产成人免费观看mmmm| 国产精品久久久久久精品电影| 97人妻精品一区二区三区麻豆| 中文欧美无线码| 男女下面进入的视频免费午夜| 少妇人妻 视频| 亚洲国产精品专区欧美| 最近最新中文字幕免费大全7| 日韩中字成人| 我的女老师完整版在线观看| 中文精品一卡2卡3卡4更新| 亚洲av.av天堂| 国产真实伦视频高清在线观看| 亚洲真实伦在线观看| 精华霜和精华液先用哪个| 秋霞伦理黄片| 男人和女人高潮做爰伦理| 国内精品宾馆在线| 五月天丁香电影| 水蜜桃什么品种好| 国产精品一区www在线观看| 在线 av 中文字幕| 国产精品久久久久久精品电影小说 | 精品久久久噜噜| 男人添女人高潮全过程视频| 男女无遮挡免费网站观看| 日韩一区二区视频免费看| 波多野结衣巨乳人妻| 在线观看人妻少妇| 99热这里只有是精品50| 中文字幕久久专区| 亚洲丝袜综合中文字幕| 91精品一卡2卡3卡4卡| 国产探花极品一区二区| 国产白丝娇喘喷水9色精品| 亚洲成色77777| 亚洲av二区三区四区| 成人亚洲欧美一区二区av| 夜夜看夜夜爽夜夜摸| 亚洲电影在线观看av| 插逼视频在线观看| 午夜福利高清视频| 五月伊人婷婷丁香| 听说在线观看完整版免费高清| 男女边吃奶边做爰视频| 亚洲自偷自拍三级| 日韩av免费高清视频| 丰满乱子伦码专区| 一级a做视频免费观看| 亚洲欧洲日产国产| 美女xxoo啪啪120秒动态图| 少妇裸体淫交视频免费看高清| 欧美少妇被猛烈插入视频| 国产男女内射视频| 97超视频在线观看视频| 搡女人真爽免费视频火全软件| 日韩伦理黄色片| 亚洲美女视频黄频| 国产成人91sexporn| 亚洲国产精品专区欧美| 日韩三级伦理在线观看| 国产男女内射视频| 久久久精品欧美日韩精品| 久久久久久久精品精品| 嫩草影院新地址| 王馨瑶露胸无遮挡在线观看| 午夜福利视频1000在线观看| 国产精品久久久久久av不卡| 免费观看性生交大片5| 亚洲国产精品成人综合色| 午夜老司机福利剧场| 热re99久久精品国产66热6| 大又大粗又爽又黄少妇毛片口| av福利片在线观看| 寂寞人妻少妇视频99o| 神马国产精品三级电影在线观看| 日韩欧美精品v在线| 国产伦精品一区二区三区视频9| 亚洲精品乱久久久久久| 91久久精品国产一区二区三区| 成人特级av手机在线观看| 在线观看美女被高潮喷水网站| 午夜亚洲福利在线播放| av卡一久久| 亚洲精品日本国产第一区| 青春草国产在线视频| 亚洲av在线观看美女高潮| 18+在线观看网站| 免费看光身美女| 永久网站在线| 在线观看一区二区三区| 国国产精品蜜臀av免费| 亚洲欧美日韩卡通动漫| 日韩制服骚丝袜av| 亚洲av免费在线观看| av免费观看日本| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | av在线天堂中文字幕| 少妇猛男粗大的猛烈进出视频 | 白带黄色成豆腐渣| 交换朋友夫妻互换小说| 国产极品天堂在线| 黄片wwwwww| 九色成人免费人妻av| 欧美成人一区二区免费高清观看| 色婷婷久久久亚洲欧美| 国产黄色视频一区二区在线观看| 超碰97精品在线观看| 伊人久久国产一区二区| av专区在线播放| 成人高潮视频无遮挡免费网站| 日本-黄色视频高清免费观看| 2021天堂中文幕一二区在线观| 3wmmmm亚洲av在线观看| 少妇人妻 视频| 有码 亚洲区| 亚洲aⅴ乱码一区二区在线播放| 国内精品宾馆在线| 日本色播在线视频| 在线观看av片永久免费下载| 最新中文字幕久久久久| 七月丁香在线播放| 久久久久久国产a免费观看| 91在线精品国自产拍蜜月| 免费观看的影片在线观看| 三级国产精品片| av在线app专区| 国产在线男女| 久久精品国产亚洲av涩爱| 亚洲成人av在线免费| 日日啪夜夜撸| av免费在线看不卡| 色视频在线一区二区三区| 麻豆成人午夜福利视频| 免费黄网站久久成人精品| 80岁老熟妇乱子伦牲交| 成人亚洲欧美一区二区av| 国产黄色免费在线视频| 亚洲国产精品专区欧美| 国产视频首页在线观看| 亚洲婷婷狠狠爱综合网| 美女高潮的动态| 日本一本二区三区精品| 久久久久久久久久成人| 亚洲精品aⅴ在线观看| 国产黄频视频在线观看| 国产国拍精品亚洲av在线观看| 少妇猛男粗大的猛烈进出视频 | 亚洲电影在线观看av| 亚洲欧美日韩无卡精品| 2018国产大陆天天弄谢| 午夜福利视频精品| 51国产日韩欧美| 极品少妇高潮喷水抽搐| 日本熟妇午夜| 我的老师免费观看完整版| 国产精品av视频在线免费观看| 搡老乐熟女国产| 亚洲国产精品成人久久小说| 国产 一区 欧美 日韩| 国产一区二区三区综合在线观看 | 亚洲国产色片| 香蕉精品网在线| 人人妻人人爽人人添夜夜欢视频 | 亚洲国产欧美在线一区| 嫩草影院入口| 国产精品一二三区在线看| 日韩电影二区| 精品熟女少妇av免费看| 男女下面进入的视频免费午夜| 在线观看国产h片| 久久午夜福利片| 日韩一区二区三区影片| 男女那种视频在线观看| 一个人看视频在线观看www免费| 亚洲av欧美aⅴ国产| 视频区图区小说| 青青草视频在线视频观看| 亚洲精品日本国产第一区| 国产v大片淫在线免费观看| 91精品一卡2卡3卡4卡| 国产成人精品久久久久久| 精品国产三级普通话版| 欧美性感艳星| 国产精品久久久久久精品电影小说 | 亚洲国产av新网站| 观看美女的网站| 青春草国产在线视频| 99久久精品一区二区三区| 国产成人精品久久久久久| 精品国产三级普通话版| 啦啦啦中文免费视频观看日本| 毛片女人毛片| 在线观看人妻少妇| 夫妻性生交免费视频一级片| 美女主播在线视频| 亚洲av一区综合| 精品一区二区三区视频在线| 99久久人妻综合| 久久久精品免费免费高清| 国产精品久久久久久久电影| 日韩伦理黄色片| 亚洲av.av天堂| av卡一久久| 免费黄网站久久成人精品| 亚洲精品一二三| 久久久亚洲精品成人影院| 18禁裸乳无遮挡动漫免费视频 | 免费黄频网站在线观看国产| 精品少妇黑人巨大在线播放| 亚洲精品久久久久久婷婷小说| www.色视频.com| 亚洲美女视频黄频| 欧美激情久久久久久爽电影| 国产综合精华液| 尤物成人国产欧美一区二区三区| 久久久久久九九精品二区国产| 国产av码专区亚洲av| 欧美日韩视频精品一区| 男女边吃奶边做爰视频| 国产亚洲精品久久久com| 亚洲图色成人| 日韩,欧美,国产一区二区三区| 亚洲av国产av综合av卡| 国产一区二区亚洲精品在线观看| 日本爱情动作片www.在线观看| 综合色丁香网| 丰满少妇做爰视频| 香蕉精品网在线| 欧美日本视频| 国产高潮美女av| 亚洲av.av天堂| 69av精品久久久久久| 美女高潮的动态| 看黄色毛片网站| 边亲边吃奶的免费视频| 国产一区亚洲一区在线观看| 毛片一级片免费看久久久久| 建设人人有责人人尽责人人享有的 | 日韩欧美 国产精品| 又大又黄又爽视频免费| 偷拍熟女少妇极品色| 国产精品久久久久久精品电影小说 | 视频中文字幕在线观看| 国产人妻一区二区三区在| 亚洲图色成人| 成人亚洲精品一区在线观看 | 国产高清三级在线| 夜夜看夜夜爽夜夜摸| 草草在线视频免费看| 亚洲国产精品成人综合色| 蜜桃亚洲精品一区二区三区| 国产欧美日韩精品一区二区| 肉色欧美久久久久久久蜜桃 | 女人被狂操c到高潮| 国产精品人妻久久久久久| 亚洲精品视频女| 一级片'在线观看视频| 国产免费一区二区三区四区乱码| 男人狂女人下面高潮的视频| 国产又色又爽无遮挡免| 亚洲国产高清在线一区二区三| 爱豆传媒免费全集在线观看| 午夜福利视频1000在线观看| 新久久久久国产一级毛片| 人人妻人人澡人人爽人人夜夜| 亚洲自拍偷在线| 久久久精品94久久精品| 熟女人妻精品中文字幕| 亚洲av中文字字幕乱码综合| 我的老师免费观看完整版| 成人国产av品久久久| 婷婷色综合大香蕉| 国产精品三级大全| 亚洲精品国产av成人精品| 亚洲精品第二区| 亚洲精品一二三| 免费看a级黄色片| 麻豆国产97在线/欧美| 久久韩国三级中文字幕| 熟妇人妻不卡中文字幕| 麻豆成人av视频| eeuss影院久久| 一二三四中文在线观看免费高清| 干丝袜人妻中文字幕| 人妻一区二区av| 免费看a级黄色片| 久久久精品94久久精品| 国产乱来视频区| 国产午夜精品一二区理论片| 亚洲精品视频女| 国产亚洲午夜精品一区二区久久 | 熟女av电影| av播播在线观看一区| 青青草视频在线视频观看| 国产视频内射| 欧美人与善性xxx| 国产精品成人在线| 最近中文字幕高清免费大全6| 超碰97精品在线观看| 亚洲国产日韩一区二区| 精华霜和精华液先用哪个| 日韩成人av中文字幕在线观看| 日韩 亚洲 欧美在线| 少妇的逼水好多| 日日啪夜夜撸| 久久人人爽av亚洲精品天堂 | 成人无遮挡网站| 在线观看一区二区三区激情| 中文天堂在线官网| 日本猛色少妇xxxxx猛交久久| 人妻少妇偷人精品九色| 国产色婷婷99| 亚洲国产高清在线一区二区三| 中文精品一卡2卡3卡4更新| 久久久久精品性色| 午夜免费男女啪啪视频观看| 久久国产乱子免费精品| 大片免费播放器 马上看| 丝袜喷水一区| 一个人看的www免费观看视频| 搡女人真爽免费视频火全软件| av国产久精品久网站免费入址| 男女那种视频在线观看| 男女啪啪激烈高潮av片| 青春草亚洲视频在线观看| 特大巨黑吊av在线直播| 亚洲av二区三区四区| xxx大片免费视频| 国产美女午夜福利| 欧美人与善性xxx| av免费在线看不卡| 熟女人妻精品中文字幕| 中文资源天堂在线| 国产一区二区在线观看日韩| 欧美成人一区二区免费高清观看| 联通29元200g的流量卡| 寂寞人妻少妇视频99o| 国产国拍精品亚洲av在线观看| 一级黄片播放器| 人体艺术视频欧美日本| 日韩不卡一区二区三区视频在线| 亚洲aⅴ乱码一区二区在线播放| 亚洲av不卡在线观看| 久久久久久久久久久免费av| 爱豆传媒免费全集在线观看| 国产中年淑女户外野战色| 久久久久国产网址| 精品午夜福利在线看| 一级黄片播放器| av天堂中文字幕网| 大码成人一级视频| 女人被狂操c到高潮| 亚洲经典国产精华液单| 在线观看三级黄色| 久久精品久久久久久久性| 久久女婷五月综合色啪小说 | 国产免费视频播放在线视频| 午夜精品一区二区三区免费看| 欧美日韩视频精品一区| 春色校园在线视频观看| 18+在线观看网站| 亚洲av男天堂| 麻豆精品久久久久久蜜桃| 国产老妇女一区| 国产精品爽爽va在线观看网站| 高清毛片免费看| 亚洲精品乱码久久久久久按摩| 亚洲色图综合在线观看| 久久久久久久亚洲中文字幕| 天堂中文最新版在线下载 | 亚洲欧美日韩另类电影网站 | 亚洲国产成人一精品久久久| 肉色欧美久久久久久久蜜桃 | 精品久久久久久久人妻蜜臀av| 亚洲精品日韩av片在线观看| 欧美日韩国产mv在线观看视频 | 极品少妇高潮喷水抽搐| 91久久精品电影网| 久久影院123| av线在线观看网站| 欧美精品人与动牲交sv欧美| 国产综合懂色| 99久国产av精品国产电影| 国产成人a区在线观看| 国产黄色免费在线视频| av国产精品久久久久影院| 国产成人a区在线观看| 自拍偷自拍亚洲精品老妇| 国产成人免费无遮挡视频| 联通29元200g的流量卡| 美女主播在线视频| 热99国产精品久久久久久7| 99re6热这里在线精品视频| 日日撸夜夜添| 欧美 日韩 精品 国产| 免费观看在线日韩| 校园人妻丝袜中文字幕| 日韩一区二区视频免费看| 国产午夜精品久久久久久一区二区三区| 18禁在线无遮挡免费观看视频| 久久久欧美国产精品| 大码成人一级视频| 嘟嘟电影网在线观看| 精品熟女少妇av免费看| 深爱激情五月婷婷| 欧美变态另类bdsm刘玥| 高清日韩中文字幕在线| 午夜精品国产一区二区电影 | 国产精品国产三级国产av玫瑰| a级毛色黄片| 免费观看在线日韩| 欧美zozozo另类| 午夜免费男女啪啪视频观看| 中国三级夫妇交换| 欧美成人精品欧美一级黄| 蜜臀久久99精品久久宅男| 在现免费观看毛片| 老司机影院毛片| 国产精品精品国产色婷婷| 国产免费又黄又爽又色| 日韩制服骚丝袜av| 亚洲av不卡在线观看| 午夜福利网站1000一区二区三区| 丝袜美腿在线中文| 亚洲av中文字字幕乱码综合| 日韩三级伦理在线观看| 亚洲av不卡在线观看| 婷婷色麻豆天堂久久| 99久久精品国产国产毛片| 三级经典国产精品| 亚洲精品久久午夜乱码| 联通29元200g的流量卡| 亚洲av男天堂| 免费黄网站久久成人精品| 亚洲自拍偷在线| 国产中年淑女户外野战色| 亚洲欧美精品自产自拍| 国产成人a∨麻豆精品| 亚洲性久久影院| av一本久久久久| 国产色爽女视频免费观看| 久久久久久伊人网av| 九九爱精品视频在线观看| 97人妻精品一区二区三区麻豆| 51国产日韩欧美| 亚洲经典国产精华液单| 最近中文字幕高清免费大全6| 色5月婷婷丁香| 精品久久国产蜜桃| 国产色婷婷99| 亚洲av免费在线观看| 直男gayav资源| 五月伊人婷婷丁香| 女的被弄到高潮叫床怎么办| 亚洲成人中文字幕在线播放| 少妇熟女欧美另类| av网站免费在线观看视频| 色婷婷久久久亚洲欧美| 日本免费在线观看一区| 国模一区二区三区四区视频| 国产黄片美女视频| 91精品伊人久久大香线蕉| 久久久久国产网址| 丝袜美腿在线中文| 特级一级黄色大片| av在线天堂中文字幕| 人人妻人人看人人澡| 国产男人的电影天堂91| 亚洲图色成人| 男女下面进入的视频免费午夜| 91精品国产九色| 男人舔奶头视频| 欧美xxxx性猛交bbbb| 国产片特级美女逼逼视频| av福利片在线观看| 国产免费视频播放在线视频| 特级一级黄色大片| 久久影院123| 赤兔流量卡办理| 国产黄a三级三级三级人| 国产日韩欧美在线精品| 久久久久久久久大av| 丝瓜视频免费看黄片| 搡女人真爽免费视频火全软件| 晚上一个人看的免费电影| 国产精品无大码| 一区二区三区乱码不卡18| .国产精品久久| 91在线精品国自产拍蜜月| 欧美日本视频| 激情五月婷婷亚洲| 午夜免费观看性视频| 夫妻午夜视频| 国产欧美日韩精品一区二区| 国产成年人精品一区二区| av黄色大香蕉| www.色视频.com| 欧美成人午夜免费资源| av国产免费在线观看| 国产一级毛片在线| 亚洲自拍偷在线| 久久人人爽人人片av| 亚洲av国产av综合av卡| 午夜激情福利司机影院| 亚洲精品自拍成人| 日韩 亚洲 欧美在线| 22中文网久久字幕| 国产精品久久久久久精品电影小说 | 男插女下体视频免费在线播放| 欧美日韩一区二区视频在线观看视频在线 | 嫩草影院新地址| 五月开心婷婷网| 丝袜美腿在线中文| 看十八女毛片水多多多| 最近中文字幕高清免费大全6| 亚洲欧美日韩东京热| 免费观看性生交大片5| 国产欧美亚洲国产| 久久韩国三级中文字幕| 色综合色国产| 最近手机中文字幕大全| 全区人妻精品视频| 男插女下体视频免费在线播放| 欧美区成人在线视频| 亚洲va在线va天堂va国产| 99精国产麻豆久久婷婷| 日本一二三区视频观看| 亚洲第一区二区三区不卡| 一本一本综合久久| av在线蜜桃| 亚洲欧美中文字幕日韩二区| 国产女主播在线喷水免费视频网站| 亚洲综合精品二区| 亚洲电影在线观看av| 免费观看的影片在线观看| 肉色欧美久久久久久久蜜桃 | 网址你懂的国产日韩在线| 国产免费一区二区三区四区乱码| av天堂中文字幕网| 国产在视频线精品| 日本免费在线观看一区| 午夜福利视频1000在线观看| 我的老师免费观看完整版| av女优亚洲男人天堂| 日日啪夜夜撸| 一级av片app| 在线观看一区二区三区| 尤物成人国产欧美一区二区三区|