• <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 ?

    基于高斯數(shù)據(jù)增廣的小樣本數(shù)據(jù)無人機(jī)編隊(duì)類型抗擾識(shí)別

    2024-01-05 06:50:46馬琳琪李校男及鵬飛
    無人系統(tǒng)技術(shù) 2023年6期
    關(guān)鍵詞:隊(duì)形原始數(shù)據(jù)交點(diǎn)

    馬琳琪,李校男,晁 濤,及鵬飛

    (1. 哈爾濱工業(yè)大學(xué)控制與仿真中心,哈爾濱 150080;2. 四川騰盾科技有限公司,成都 610036)

    1 引 言

    無人機(jī)作為一種飛行器,可以在遙控或者自主控制下完成復(fù)雜飛行任務(wù),近年來在軍事領(lǐng)域越來越多地被應(yīng)用[1-2]。但由于單架無人機(jī)受到探測(cè)能力、武器運(yùn)載能力等多項(xiàng)因素的限制,在任務(wù)難度高、任務(wù)范圍廣的情況下不具有優(yōu)勢(shì),因此出現(xiàn)了無人機(jī)群協(xié)同合作的作戰(zhàn)模式,這些無人機(jī)群通過編隊(duì)組織分工,可以完成戰(zhàn)場(chǎng)偵察、突防攻擊、火力支援等復(fù)雜任務(wù)[2]。隨著無人機(jī)在軍事作戰(zhàn)中的作用增強(qiáng),如何監(jiān)測(cè)敵方無人機(jī)并有效預(yù)警的相關(guān)研究逐漸開展,其中包括無人機(jī)集群的編隊(duì)類型識(shí)別。無人機(jī)集群通過調(diào)整隊(duì)形,可以完成不同的作戰(zhàn)任務(wù),因此通過識(shí)別無人機(jī)集群的不同隊(duì)形,可以有效對(duì)來襲敵機(jī)進(jìn)行預(yù)警預(yù)測(cè),輔助指揮部門進(jìn)行戰(zhàn)術(shù)決策。在軍事領(lǐng)域中常見的無人機(jī)隊(duì)形有楔形、菱形、縱形等,無人機(jī)采用菱形編隊(duì)可將保護(hù)對(duì)象圍在中間完成護(hù)送任務(wù),采用縱隊(duì)可對(duì)目標(biāo)進(jìn)行地毯式打擊[1],因此無人機(jī)編隊(duì)類型的識(shí)別問題對(duì)于判斷敵方意圖并根據(jù)預(yù)測(cè)的意圖來為我方及時(shí)作出預(yù)警至關(guān)重要。

    編隊(duì)類型識(shí)別問題從本質(zhì)上來說是一種分類問題,通常采用基于模板匹配[3-4]或是機(jī)器學(xué)習(xí)的識(shí)別方法[5-7],模板匹配例如基于空間方向相似性[8]、基于領(lǐng)域知識(shí)[9]等,這些方法通常只針對(duì)一些具體的隊(duì)形模板,其隊(duì)形描述的方式固定,不適用于無人機(jī)坐標(biāo)數(shù)據(jù)觀測(cè)不完全和含有雜波等干擾因素較多的情況,缺乏通用性。而基于機(jī)器學(xué)習(xí)的目標(biāo)識(shí)別方法中,具有代表性的有基于BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)[10]、支持向量機(jī)SVM(Support Vector Machine)[11]、循環(huán)神經(jīng)網(wǎng)絡(luò)RNN(Recurrent Neural Network)[12]等的目標(biāo)識(shí)別算法,目前已有研究驗(yàn)證了這些方法在無人機(jī)編隊(duì)識(shí)別問題中的有效性,但此類方法依賴大量的數(shù)據(jù)進(jìn)行建模,對(duì)于小樣本情形下的編隊(duì)識(shí)別存在局限性?;诮Y(jié)合Hough 變換和K-means 聚類算法的隊(duì)形識(shí)別算法本質(zhì)上也是一種模板匹配算法,這種方法可以通過提取編隊(duì)輪廓特征的方式將編隊(duì)類型與輪廓參數(shù)相匹配,雖然同其他的模板匹配方法一樣也需要建立模板庫(kù),但該算法特征提取的步驟簡(jiǎn)潔,相應(yīng)特征的數(shù)據(jù)維度較小,并且可以在一定程度上過濾掉雜波等干擾因素的影響,同時(shí)相比于機(jī)器學(xué)習(xí)算法而言并不依賴于數(shù)據(jù)進(jìn)行建模,因此該算法有著一定的優(yōu)越性。

    另外,無人機(jī)樣本量少本質(zhì)上是目標(biāo)分類領(lǐng)域的小樣本問題,針對(duì)小樣本問題現(xiàn)在常見的處理方式有兩種類型,一種是針對(duì)數(shù)據(jù)進(jìn)行的數(shù)據(jù)增強(qiáng)(例如數(shù)據(jù)裁剪、翻轉(zhuǎn)、添加噪聲或是采用生成對(duì)抗網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)生成等),另一種是針對(duì)模型進(jìn)行模型優(yōu)化(例如遷移學(xué)習(xí)、多任務(wù)學(xué)習(xí)、元學(xué)習(xí)等),這些方法均可以對(duì)小樣本引起的模型魯棒性等問題進(jìn)行改善。

    本文旨在結(jié)合Hough 變換和K-means 聚類算法,對(duì)含有噪聲的無人機(jī)隊(duì)列進(jìn)行類型識(shí)別。針對(duì)無人機(jī)數(shù)目較少影響參數(shù)空間交點(diǎn)求解與聚類效果的問題,提出了一種基于高斯模型的原始數(shù)據(jù)增廣方法,將原始數(shù)據(jù)與生成的虛擬數(shù)據(jù)融合,以提高聚類算法的精度及魯棒性。將這些圖形空間中的無人機(jī)坐標(biāo)點(diǎn)數(shù)據(jù)通過Hough 變換映射為參數(shù)空間中的正弦曲線,統(tǒng)計(jì)這些正弦曲線的交點(diǎn),去除重疊交點(diǎn)數(shù)較少的數(shù)據(jù)點(diǎn),將剩余交點(diǎn)進(jìn)行K-means 聚類,用聚類后的交點(diǎn)即可得到原圖像空間中直線的參數(shù)。

    本文首先介紹了Hough 變換和K-means 聚類算法的基本原理。然后,通過分析含雜波小樣本隊(duì)列信息帶來的問題,詳細(xì)介紹了編隊(duì)類型抗擾識(shí)別算法流程。最后,以常見的菱形隊(duì)列為例,通過計(jì)算機(jī)仿真對(duì)算法的有效性進(jìn)行了分析。

    2 Hough變換原理

    Hough 變換[13]由Paul Hough 提出,它的基本原理是利用圖像空間和Hough 參數(shù)空間的點(diǎn)-線對(duì)偶性,將圖像空間中的檢測(cè)問題轉(zhuǎn)換至參數(shù)空間中進(jìn)行。以直角坐標(biāo)系為例,在直角坐標(biāo)系中的直線,其斜率-截距表達(dá)式如式(1),式(1)可等價(jià)變換為式(2)。

    將x,y視為參數(shù),k和b視為自變量,則x-y平面中的每一個(gè)點(diǎn)都對(duì)應(yīng)k-b平面中的一條直線,因此,x-y平面中同一條直線上的點(diǎn)可以轉(zhuǎn)換成kb平面中的多條直線,這些直線的交點(diǎn)即可確定xy平面中這條直線的參數(shù)[4]。

    這種基于斜率-截距表達(dá)式的Hough 變換,對(duì)于垂直于x軸的直線很難進(jìn)行表達(dá),因此Dude等[13]將極坐標(biāo)引入,把直角坐標(biāo)系中的數(shù)據(jù)轉(zhuǎn)換到極坐標(biāo)系表示。直線L的極坐標(biāo)表達(dá)式為

    式中,ρ表示圖像空間中原點(diǎn)到直線的垂線段的長(zhǎng)度,而θ表示這條垂線與極坐標(biāo)中極軸的夾角。若將x,y看作是參數(shù),對(duì)應(yīng)地將ρ和θ看作是自變量,那么直線L上的任意一點(diǎn)都可以轉(zhuǎn)變成極坐標(biāo)系下的一條正弦曲線,如圖1 所示。這些參數(shù)空間中的正弦曲線交于一點(diǎn),這一點(diǎn)對(duì)應(yīng)的ρ和θ即可確定直線L的表達(dá)式。

    圖1 直線樣本及其Hough變換后曲線Fig.1 Straight line samples and their Hough transformed curves

    3 K-means聚類算法原理

    K-means[14]為最常用的基于歐氏距離的聚類算法,該算法的使用基于一個(gè)基本前提,那就是如果兩個(gè)目標(biāo)在歐氏距離度量下的距離越小,那么他們的相似度就越大。本文對(duì)提取到的候選交點(diǎn)使用K-means 聚類得到類中心,以類中心作為最終選擇的直線參數(shù),下面是算法的詳細(xì)介紹。

    K-means 算法大致分為三步,第一步初始化類中心,第二步將數(shù)據(jù)點(diǎn)分配給最近的類中心,第三步更新類中心。其中第二步和第三步迭代進(jìn)行,直到最后類中心穩(wěn)定收斂。

    針對(duì)第一步類中心的選擇,可以隨機(jī)選擇k個(gè)數(shù)據(jù)點(diǎn),也可使用Lloyd[15]、K-means++[16]、SKMeans++[17]等方法動(dòng)態(tài)選擇。經(jīng)過綜合比較,本文最終使用K-means++選擇初始化k個(gè)類中心。

    4 無人機(jī)編隊(duì)類型抗擾識(shí)別算法

    本章將詳細(xì)介紹本文提出的基于高斯模型增廣原始數(shù)據(jù)的無人機(jī)編隊(duì)類型抗擾識(shí)別算法。首先分析了當(dāng)樣本數(shù)據(jù)較少,且含有噪聲干擾時(shí),直接使用Hough 變換會(huì)帶來的問題。進(jìn)而提出使用高斯模型對(duì)原始數(shù)據(jù)進(jìn)行增廣,以獲得更好的交點(diǎn)提取與聚類效果。

    本章以菱形隊(duì)列為例,詳細(xì)闡述了使用Hough變換,K-means 聚類進(jìn)行隊(duì)形輪廓提取的方法。在該方法中將無人機(jī)編隊(duì)中的單個(gè)無人機(jī)視作一個(gè)坐標(biāo)點(diǎn),根據(jù)無人機(jī)群中各個(gè)無人機(jī)的相對(duì)位置將其抽象為一個(gè)點(diǎn)集,每個(gè)點(diǎn)由一個(gè)橫縱坐標(biāo)表示,然后以該點(diǎn)集作為識(shí)別算法的輸入數(shù)據(jù),在菱形編隊(duì)示例中,該編隊(duì)的16 架無人機(jī)對(duì)應(yīng)著二維平面中的16 個(gè)坐標(biāo)點(diǎn),如圖2 所示,算法的具體流程如圖3所示。

    圖2 帶擾動(dòng)的菱形隊(duì)形數(shù)據(jù)Fig.2 Perturbed diamond formation data

    在實(shí)際應(yīng)用中,可以通過雷達(dá)等觀測(cè)設(shè)備獲得無人機(jī)群的位置信息,再對(duì)獲得的觀測(cè)數(shù)據(jù)按照上述邏輯進(jìn)行轉(zhuǎn)換,從而應(yīng)用該識(shí)別算法進(jìn)行編隊(duì)類型的識(shí)別。

    4.1 基于高斯模型的數(shù)據(jù)增廣

    在實(shí)際應(yīng)用過程中,即使無人機(jī)保持直線編隊(duì)行進(jìn),受采集設(shè)備精度及噪聲影響,采集到的數(shù)據(jù)點(diǎn)也無法完美分布在同一直線上,這將導(dǎo)致參數(shù)空間中的曲線無法相交于一個(gè)點(diǎn)[18],如圖4所示。

    圖4 帶擾動(dòng)的直線樣本及其Hough變換后曲線Fig.4 The perturbed straight line sample and its Hough transformed curve

    與圖1相比,圖4在原始圖像空間中的點(diǎn)不再完美符合直線分布,這樣一來,在參數(shù)空間中的曲線會(huì)相交于多個(gè)點(diǎn)。相交的點(diǎn)數(shù)增加無疑為問題的求解帶來了難度,需要求解的交點(diǎn)數(shù)增加,求得交點(diǎn)后如何選擇或融合為合適的一個(gè)點(diǎn)成為一個(gè)新的問題。

    針對(duì)以上問題,已有前人的研究[4,19]選擇使用聚類算法來獲得最終的解,通過提取相交曲線數(shù)大于一定閾值的候選點(diǎn),對(duì)候選點(diǎn)進(jìn)行聚類,以最終的類中心作為結(jié)果。這樣的方法取得了不錯(cuò)的效果。但由于在小樣本無人機(jī)編隊(duì)類型識(shí)別中,無人機(jī)的數(shù)目較少,可獲得的候選交點(diǎn)也會(huì)較少,聚類數(shù)據(jù)的不足無疑會(huì)嚴(yán)重影響聚類算法的準(zhǔn)確性。因此本文提出了使用高斯模型在一定的小范圍內(nèi)增廣原始數(shù)據(jù),將原始數(shù)據(jù)與生成的虛擬數(shù)據(jù)一同進(jìn)行Hough 變換與聚類,有效地增加了參數(shù)空間中的候選交點(diǎn)數(shù),為聚類算法提供了更加充足的數(shù)據(jù),能夠獲得更好的聚類效果。具體方法是將原始數(shù)據(jù)點(diǎn)視作一個(gè)高斯分布,而非獨(dú)立的點(diǎn),則可以一定的方差σ,按照式(4)所示二維高斯概率分布來生成虛擬數(shù)據(jù)。

    式中,(μ1,μ2)對(duì)應(yīng)原始數(shù)據(jù)中的點(diǎn)(x,y),σ1與σ2為高斯分布中的標(biāo)準(zhǔn)差,為不失一般性,在本文中使用σ=σ1=σ2。圖5 即為對(duì)原始數(shù)據(jù)中每個(gè)點(diǎn)使用σ= 0.2 的二維高斯分布生成10 個(gè)虛擬數(shù)據(jù)點(diǎn)后的結(jié)果。

    圖5 高斯增廣后數(shù)據(jù)分布Fig.5 Gaussian augmented data distribution

    4.2 Hough變換與交點(diǎn)統(tǒng)計(jì)

    得到增廣的數(shù)據(jù)后,對(duì)其使用Hough 變換即可得到參數(shù)空間的正弦曲線。為直觀展示數(shù)據(jù)增廣為交點(diǎn)選取帶來的有利影響,圖6 給出了原始數(shù)據(jù)和增廣后數(shù)據(jù)的參數(shù)空間曲線。

    圖6 增廣后的樣本及其Hough變換后曲線Fig.6 Augmented samples and their Hough transformed curves

    從圖中可以看出,使用高斯分布對(duì)原始數(shù)據(jù)進(jìn)行增廣后,參數(shù)空間中的線條數(shù)增多,對(duì)應(yīng)的交點(diǎn)數(shù)也明顯增加,這將大大提高算法對(duì)原始數(shù)據(jù)中噪聲的魯棒性。

    由于使用計(jì)算機(jī)對(duì)曲線進(jìn)行處理的過程中,直接在參數(shù)空間中通過曲線的解析式來獲得交點(diǎn)的解析解計(jì)算成本過高,可實(shí)施性不強(qiáng),所以需要恰當(dāng)?shù)碾x散化手段對(duì)參數(shù)空間曲線進(jìn)行離散化處理,然后根據(jù)離散化的結(jié)果,統(tǒng)計(jì)相交于同一點(diǎn)的曲線數(shù),根據(jù)統(tǒng)計(jì)的重疊交點(diǎn)分布設(shè)定合適閾值獲得最后用于聚類的候選交點(diǎn)。離散化間隔如果選取過大,則在同一個(gè)離散網(wǎng)格內(nèi)會(huì)囊括過多的點(diǎn),甚至?xí)M(jìn)一些錯(cuò)誤的交點(diǎn);間隔若選取過小,則容易導(dǎo)致落在同一離散網(wǎng)格內(nèi)的點(diǎn)過少而錯(cuò)過最優(yōu)交點(diǎn),所以合適的離散化間隔選擇將尤為重要,如圖7 所示,即為選取Δθ為0.1 rad,Δρ為0.1 m時(shí)統(tǒng)計(jì)的重疊交點(diǎn)數(shù)分布圖。

    圖7 重疊交點(diǎn)分布圖Fig.7 Overlapping intersection plots

    統(tǒng)計(jì)出重疊交點(diǎn)數(shù)分布后,通過選擇合適的閾值提取出峰值點(diǎn),提取出的峰值點(diǎn)將作為聚類的候選交點(diǎn)。重疊交點(diǎn)數(shù)的提取依賴合適的閾值,閾值選取過大會(huì)造成數(shù)據(jù)丟失,選取過小則會(huì)放大雜波干擾,影響后續(xù)的聚類效果,所以合適的閾值選擇也尤為重要,峰值點(diǎn)提取出來后便可以進(jìn)一步聚類分析[20]。

    4.3 交點(diǎn)聚類與隊(duì)形輪廓提取

    得到提取出的峰值點(diǎn)后,應(yīng)用K-means++進(jìn)行初始類中心的選取,接著使用通用K-means 算法進(jìn)行聚類,在參數(shù)空間中獲得期望的類中心,具體步驟如下:

    (1)首先從候選交點(diǎn)數(shù)據(jù)集X={(θi,ρi),i=1,2,3...N}中隨機(jī)均勻選擇一個(gè)數(shù)據(jù),將此數(shù)據(jù)點(diǎn)作為第一個(gè)初始類中心,記為c1。

    (2)計(jì)算從每個(gè)數(shù)據(jù)點(diǎn)到已選擇類中心(初始時(shí)僅有c1)的距離。將cj和各個(gè)數(shù)據(jù)點(diǎn)xm之間的歐幾里得距離表示為d(xm,cj)。

    (3)在數(shù)據(jù)集X中選擇余下的類中心,選擇的概率遵循

    式中,Cp表示最接近c(diǎn)p的所有數(shù)據(jù)點(diǎn)的集合,即每次選擇類中心時(shí),其被選擇概率與它到已選最近中心的距離成負(fù)相關(guān)。

    (4)迭代步驟(3),直到選擇到了k個(gè)類中心。

    使用K-means++選擇到k個(gè)類中心后,就可以在數(shù)據(jù)中迭代更新類中心直至最后收斂,具體步驟如(5)~(7)。

    (5)計(jì)算所有數(shù)據(jù)點(diǎn)到每個(gè)類中心的歐幾里得距離,將每個(gè)數(shù)據(jù)點(diǎn)分配給離其最近的類中心,即對(duì)每一個(gè)樣本xp,將會(huì)按照式(6)分配給集合S(t):

    式中,t代表迭代次數(shù)。

    (6)計(jì)算每個(gè)簇S(t)中數(shù)據(jù)點(diǎn)的平均值,將此平均值作為新的k個(gè)類中心,

    (7)迭代進(jìn)行(5)、(6)步驟,直到最終的類中心不再改變。

    至此,提取出的峰值點(diǎn)通過K-means 聚類算法提取出各個(gè)簇的類中心,將參數(shù)代回式(3)即可獲得在原始圖像空間取出的直線,如圖8所示。

    圖8 高斯增廣后數(shù)據(jù)點(diǎn)的聚類與邊界提取Fig.8 Clustering and boundary extraction of data points after Gaussian augmentation

    可以注意到,雖然菱形只有四條直線,但提取出的類中心是6個(gè),對(duì)應(yīng)著6條直線。這是因?yàn)檎液瘮?shù)具有周期性,所以在選取計(jì)算的窗口中可能存在多于期望直線數(shù)的交點(diǎn)。但這些周期性的點(diǎn)映射回原圖像空間后會(huì)重疊,經(jīng)過適當(dāng)?shù)臑V波后便能融合在一起。獲得提取到的隊(duì)形輪廓后,使用模板匹配或神經(jīng)網(wǎng)絡(luò)等方法即可獲得編隊(duì)類型識(shí)別結(jié)果。

    5 仿真結(jié)果與分析

    本文聚焦于無人機(jī)隊(duì)形識(shí)別,在常見的無人機(jī)隊(duì)形中選取了較為復(fù)雜的菱形隊(duì)列,通過生成含有噪聲的菱形無人機(jī)隊(duì)列數(shù)據(jù)來評(píng)估所提方法對(duì)編隊(duì)類型的識(shí)別性能。直接對(duì)原始數(shù)據(jù)使用識(shí)別算法與在高斯增廣后對(duì)數(shù)據(jù)使用抗擾識(shí)別算法的仿真結(jié)果對(duì)比如圖9所示。

    圖9 原始數(shù)據(jù)與使用增廣數(shù)據(jù)仿真結(jié)果對(duì)比Fig.9 Comparison of original data and simulation results using augmented data

    從實(shí)驗(yàn)結(jié)果可以看到,在使用基于高斯模型的增廣數(shù)據(jù)后,可用于聚類的候選交點(diǎn)數(shù)目明顯增加,由此也獲得了更好的聚類效果。從最后映射回圖像空間的結(jié)果來看,使用增廣數(shù)據(jù)后提取的直線也更加準(zhǔn)確。直接在原始數(shù)據(jù)上提取雖然提取到了正確的邊界,但還提取出了兩條錯(cuò)誤的直線(另一條由于偏移過大,沒有顯示在圖9 選擇展示的范圍中)。這有力證明了使用基于高斯模型的增廣數(shù)據(jù)后,算法的魯棒性得到了顯著提升。

    為進(jìn)一步探索基于高斯模型的增廣數(shù)據(jù)對(duì)最終效果的影響,本文通過變化高斯模型中的標(biāo)準(zhǔn)差σ,探索不同σ對(duì)最終直線提取效果的影響。本文使用最終提取的隊(duì)形邊界直線的k,b參數(shù)與期望的標(biāo)準(zhǔn)直線的k,b參數(shù)的均方誤差作為評(píng)估指標(biāo)。均方誤差越低,說明提取出的邊界信息越準(zhǔn)確,具體結(jié)果如表1所示。

    表1 使用不同σ得到邊界參數(shù)的均方誤差Table 1 Use different σto get the MSE of the boundary parameters

    從表中可以看出,在使用了基于高斯模型的增廣數(shù)據(jù)后,模型提取出的隊(duì)形邊界更為準(zhǔn)確,這是因?yàn)楦咚狗植嫉脑鰪V數(shù)據(jù)有效增加了參數(shù)空間中的交點(diǎn)數(shù),使K-means 聚類算法表現(xiàn)得更加穩(wěn)定。除此之外,由于原始數(shù)據(jù)量小,且存在噪聲,加入額外高斯分布的數(shù)據(jù)能夠有效緩解原始數(shù)據(jù)中噪聲對(duì)識(shí)別算法帶來的負(fù)面影響。

    本文所采用的算法與前面提到的數(shù)據(jù)增強(qiáng)方法有一定的相似性,但又略有不同,在做法上都是添加一定的高斯噪聲生成新的數(shù)據(jù),前面提到的數(shù)據(jù)增強(qiáng)算法是直接生成高斯噪聲納入訓(xùn)練數(shù)據(jù),而本文是將生成的高斯噪聲圍繞原始數(shù)據(jù)點(diǎn)展開,即以原始數(shù)據(jù)作為原點(diǎn)生成相應(yīng)的噪聲,這樣能夠更好地保留數(shù)據(jù)的特征。

    從實(shí)驗(yàn)結(jié)果來看,基于高斯模型擴(kuò)充原始數(shù)據(jù)后,使用Hough 和K-means 算法能夠有效提取出無人機(jī)隊(duì)形邊界,這樣一來再使用模板匹配或神經(jīng)網(wǎng)絡(luò)分類等方法就能輕松地識(shí)別無人機(jī)的編隊(duì)類型。

    通過可視化的方式對(duì)仿真結(jié)果進(jìn)行更加直觀的分析,如圖10 所示,可以看到當(dāng)標(biāo)準(zhǔn)差等于0.3 時(shí)識(shí)別結(jié)果的均方誤差最?。?.46),以0.1的步長(zhǎng)對(duì)標(biāo)準(zhǔn)差進(jìn)行增大或者減小時(shí),均方誤差均會(huì)增大,并且當(dāng)標(biāo)準(zhǔn)差小于0.1 或者大于0.5時(shí),均方誤差急劇增大,在0.1~0.5的范圍內(nèi)變化則較為平緩。

    圖10 邊界參數(shù)的均方誤差隨高斯模型標(biāo)準(zhǔn)差的變化Fig.10 The variation of mean square error of boundary parameters with Gaussian model standard deviation

    仿真結(jié)果中原始模型的均方誤差高達(dá)45.1,而本文采用的方法可以將均方誤差降低至0.46,證實(shí)了方法的有效性。

    為了進(jìn)一步證實(shí)本文提出的基于高斯數(shù)據(jù)增廣的小樣本數(shù)據(jù)無人機(jī)編隊(duì)類型抗擾識(shí)別算法對(duì)多種常見無人機(jī)編隊(duì)類型識(shí)別的有效性,設(shè)計(jì)帶有噪聲的縱行及楔形編隊(duì)并使用該算法進(jìn)行識(shí)別,其對(duì)應(yīng)的待識(shí)別增廣數(shù)據(jù)和圖像空間邊界提取如圖11、圖12所示。

    圖11 待識(shí)別編隊(duì)增廣數(shù)據(jù)Fig.11 The formation to be identified

    圖12 圖像空間提取的邊界Fig.12 The boundary of image space

    可以看到,本文提出的基于高斯數(shù)據(jù)增廣的小樣本數(shù)據(jù)無人機(jī)編隊(duì)類型抗擾識(shí)別算法在菱形編隊(duì)、楔形編隊(duì)、縱行編隊(duì)等常見編隊(duì)類型的邊界提取中均有著不錯(cuò)的效果,在此邊界提取的基礎(chǔ)上可以進(jìn)一步地有效進(jìn)行編隊(duì)類型的判斷。

    本文提出的基于高斯模型增廣原始數(shù)據(jù)的無人機(jī)機(jī)群特征聚類算法,將原始數(shù)據(jù)點(diǎn)視作一個(gè)高斯分布,而非獨(dú)立的點(diǎn),從而將編隊(duì)中原始點(diǎn)擴(kuò)充得到更豐富的候選點(diǎn)用于參數(shù)空間聚類,聚類得到的結(jié)果也更加趨近于真實(shí)值。這種方法的顯著優(yōu)點(diǎn)是對(duì)噪聲或者缺失值有著相當(dāng)好的魯棒性,因?yàn)閲@每個(gè)原始點(diǎn)額外添加的數(shù)據(jù)點(diǎn)有效地抵消了噪聲的影響,豐富了樣本的特征。另外,相對(duì)于如文獻(xiàn)[3]所用到的基于模板匹配的識(shí)別算法來說,本文的算法流程簡(jiǎn)化了特征提取步驟的繁雜計(jì)算,避免了針對(duì)隊(duì)形規(guī)律的公式推導(dǎo),從而提高了匹配并識(shí)別不同類型編隊(duì)的靈活性;而相對(duì)于近期興起的機(jī)器學(xué)習(xí)方法來說[5],本文所采用的算法不依賴大規(guī)模數(shù)據(jù)集來訓(xùn)練網(wǎng)絡(luò),僅需要少量樣本來建立模板庫(kù)即可,很適合敵方無人機(jī)信息有限的應(yīng)用場(chǎng)景。

    6 結(jié) 論

    本文創(chuàng)新性地提出了通過將無人機(jī)編隊(duì)原始數(shù)據(jù)點(diǎn)視作一個(gè)高斯分布的方式對(duì)原始數(shù)據(jù)進(jìn)行增廣,在增廣數(shù)據(jù)的基礎(chǔ)上通過使用Hough 變換、離散化參數(shù)空間、統(tǒng)計(jì)重疊交點(diǎn)并提取聚類候選點(diǎn)、對(duì)候選點(diǎn)進(jìn)行K-means 聚類的方法實(shí)現(xiàn)了對(duì)無人機(jī)隊(duì)形輪廓的提取,并以帶有噪聲的菱形編隊(duì)為例通過仿真實(shí)驗(yàn)驗(yàn)證了方法的有效性。其中,將原始數(shù)據(jù)中的每個(gè)點(diǎn)視作一個(gè)高斯分布的數(shù)據(jù)增廣方式以及離散化參數(shù)空間以進(jìn)行交點(diǎn)統(tǒng)計(jì)的交點(diǎn)計(jì)算方式均是本文的重點(diǎn)創(chuàng)新點(diǎn),如前文所述,前者有效改善了候選點(diǎn)的聚類效果,提取出了更加準(zhǔn)確的邊界參數(shù),后者則大大提高了交點(diǎn)統(tǒng)計(jì)的計(jì)算效率。文中也對(duì)應(yīng)用該方法到工程場(chǎng)景中時(shí)的數(shù)據(jù)來源、數(shù)據(jù)處理方式進(jìn)行了分析和說明。通過該方法提取出的無人機(jī)隊(duì)形輪廓能夠?yàn)榫庩?duì)類型識(shí)別提供良好的特征表示。

    本文提出的使用高斯模型增廣原始小樣本數(shù)據(jù)的方式,為后續(xù)的聚類算法提供了更加豐富的樣本,提高了聚類算法的魯棒性,為之后的相關(guān)研究提供了很好的參考。在使用Hough 變換提取隊(duì)形輪廓時(shí),正弦函數(shù)帶來的周期性重復(fù)點(diǎn)的去重問題還有待進(jìn)一步研究。

    猜你喜歡
    隊(duì)形原始數(shù)據(jù)交點(diǎn)
    GOLDEN OPPORTUNITY FOR CHINA-INDONESIA COOPERATION
    受特定變化趨勢(shì)限制的傳感器數(shù)據(jù)處理方法研究
    隊(duì)列隊(duì)形體育教案
    詩(shī)歌的奇怪隊(duì)形(一)
    閱讀理解
    全新Mentor DRS360 平臺(tái)借助集中式原始數(shù)據(jù)融合及直接實(shí)時(shí)傳感技術(shù)實(shí)現(xiàn)5 級(jí)自動(dòng)駕駛
    汽車零部件(2017年4期)2017-07-12 17:05:53
    借助函數(shù)圖像討論含參數(shù)方程解的情況
    試析高中數(shù)學(xué)中橢圓與雙曲線交點(diǎn)的問題
    無人機(jī)編隊(duì)機(jī)動(dòng)飛行時(shí)的隊(duì)形保持反饋控制
    指數(shù)函數(shù)與冪函數(shù)圖象的交點(diǎn)的探究性學(xué)習(xí)
    日韩 欧美 亚洲 中文字幕| 日本一区二区免费在线视频| 成人18禁高潮啪啪吃奶动态图| 一本久久精品| 亚洲美女搞黄在线观看| 在线天堂中文资源库| 午夜日本视频在线| 亚洲欧洲精品一区二区精品久久久 | 免费观看性生交大片5| 国产精品一区二区精品视频观看| 久热这里只有精品99| 亚洲av电影在线进入| 哪个播放器可以免费观看大片| 国产精品一区二区在线不卡| 曰老女人黄片| 免费看不卡的av| 亚洲av欧美aⅴ国产| 国产精品亚洲av一区麻豆 | 国产福利在线免费观看视频| 色综合欧美亚洲国产小说| 亚洲国产欧美网| 999久久久国产精品视频| 亚洲第一青青草原| 亚洲男人天堂网一区| 19禁男女啪啪无遮挡网站| 亚洲av欧美aⅴ国产| 大码成人一级视频| av女优亚洲男人天堂| 免费少妇av软件| 狠狠婷婷综合久久久久久88av| 亚洲国产av新网站| 男男h啪啪无遮挡| 丝袜在线中文字幕| 亚洲中文av在线| 中文字幕人妻熟女乱码| 中文字幕av电影在线播放| 亚洲成人一二三区av| 亚洲,欧美精品.| 又大又爽又粗| av国产精品久久久久影院| 丰满饥渴人妻一区二区三| 免费看不卡的av| 亚洲一区二区三区欧美精品| 天堂8中文在线网| 国产精品国产三级国产专区5o| 赤兔流量卡办理| 老鸭窝网址在线观看| 亚洲精品国产一区二区精华液| 国产精品嫩草影院av在线观看| 亚洲成人免费av在线播放| 午夜福利在线免费观看网站| bbb黄色大片| 啦啦啦视频在线资源免费观看| 丝袜在线中文字幕| 久久久国产精品麻豆| 国产国语露脸激情在线看| 亚洲,一卡二卡三卡| 老汉色∧v一级毛片| 人人妻人人爽人人添夜夜欢视频| av福利片在线| 久久韩国三级中文字幕| 亚洲少妇的诱惑av| 久久99一区二区三区| 国产精品人妻久久久影院| netflix在线观看网站| av线在线观看网站| 中文字幕另类日韩欧美亚洲嫩草| 一本色道久久久久久精品综合| 老司机深夜福利视频在线观看 | 亚洲国产欧美日韩在线播放| 精品国产一区二区三区久久久樱花| 精品一区二区三区四区五区乱码 | 美女国产高潮福利片在线看| 熟女av电影| 久久99精品国语久久久| 啦啦啦在线免费观看视频4| 欧美成人精品欧美一级黄| 国产在线视频一区二区| 亚洲av男天堂| 亚洲精品日本国产第一区| h视频一区二区三区| av网站免费在线观看视频| 国产男人的电影天堂91| 丝袜脚勾引网站| 考比视频在线观看| 国产 一区精品| 久久99热这里只频精品6学生| 国产成人欧美| 午夜福利在线免费观看网站| 成人国产av品久久久| 国产av码专区亚洲av| 国产麻豆69| 王馨瑶露胸无遮挡在线观看| 久久国产精品男人的天堂亚洲| 最近最新中文字幕大全免费视频 | 97人妻天天添夜夜摸| 国产av一区二区精品久久| 亚洲av国产av综合av卡| 久久国产亚洲av麻豆专区| 久久人人97超碰香蕉20202| 亚洲av电影在线进入| 色吧在线观看| 亚洲精品第二区| 亚洲精华国产精华液的使用体验| 一区在线观看完整版| 国精品久久久久久国模美| 国产在线一区二区三区精| 精品国产乱码久久久久久男人| 亚洲精品乱久久久久久| 秋霞在线观看毛片| 亚洲中文av在线| 最新在线观看一区二区三区 | 啦啦啦啦在线视频资源| 成人亚洲欧美一区二区av| 亚洲av男天堂| 国产亚洲av高清不卡| 人妻一区二区av| 成人黄色视频免费在线看| 日日摸夜夜添夜夜爱| 国产精品久久久久久久久免| 精品国产乱码久久久久久男人| 高清av免费在线| 欧美成人午夜精品| 五月开心婷婷网| 一级毛片 在线播放| 热99国产精品久久久久久7| 日韩电影二区| 黄片无遮挡物在线观看| av国产久精品久网站免费入址| 一级爰片在线观看| 一区二区三区精品91| 看免费av毛片| 丁香六月天网| 欧美精品人与动牲交sv欧美| 国产一区二区 视频在线| 悠悠久久av| 亚洲av电影在线进入| 777米奇影视久久| 九色亚洲精品在线播放| 欧美激情极品国产一区二区三区| 99久久精品国产亚洲精品| 老司机亚洲免费影院| 少妇被粗大的猛进出69影院| 日韩精品有码人妻一区| 成年人午夜在线观看视频| 国产一卡二卡三卡精品 | 韩国高清视频一区二区三区| 色网站视频免费| 国产男人的电影天堂91| 亚洲熟女毛片儿| 黄色一级大片看看| 国产激情久久老熟女| 青春草国产在线视频| 日韩熟女老妇一区二区性免费视频| 亚洲精品乱久久久久久| 精品国产超薄肉色丝袜足j| 亚洲精品一区蜜桃| 这个男人来自地球电影免费观看 | 制服丝袜香蕉在线| 一区二区三区四区激情视频| 极品少妇高潮喷水抽搐| 最近最新中文字幕大全免费视频 | 国产成人一区二区在线| 久久精品国产亚洲av涩爱| 免费在线观看完整版高清| 日韩精品免费视频一区二区三区| 精品酒店卫生间| 国产精品久久久久久人妻精品电影 | av片东京热男人的天堂| av一本久久久久| 日韩免费高清中文字幕av| 熟妇人妻不卡中文字幕| 久久鲁丝午夜福利片| 波多野结衣一区麻豆| 国产片内射在线| 悠悠久久av| 精品免费久久久久久久清纯 | 国产精品久久久久久精品古装| 亚洲成色77777| 午夜激情久久久久久久| 亚洲精品国产av蜜桃| 成人毛片60女人毛片免费| 久久久久久久久免费视频了| 日本欧美视频一区| 91aial.com中文字幕在线观看| 成人18禁高潮啪啪吃奶动态图| 久久久久网色| 免费日韩欧美在线观看| 午夜福利影视在线免费观看| 国产精品一区二区精品视频观看| 亚洲精品成人av观看孕妇| 新久久久久国产一级毛片| 电影成人av| 人人妻人人添人人爽欧美一区卜| 国产免费又黄又爽又色| 亚洲av成人精品一二三区| 亚洲一区中文字幕在线| 亚洲成人手机| 一个人免费看片子| 黄片无遮挡物在线观看| 亚洲四区av| 亚洲国产精品999| e午夜精品久久久久久久| 黄色视频在线播放观看不卡| 久久久久久久久久久免费av| 欧美久久黑人一区二区| 青春草视频在线免费观看| 波多野结衣一区麻豆| 老司机亚洲免费影院| 欧美日本中文国产一区发布| 免费av中文字幕在线| kizo精华| bbb黄色大片| 久久久久网色| 叶爱在线成人免费视频播放| 亚洲 欧美一区二区三区| 亚洲第一av免费看| 日本wwww免费看| 精品久久蜜臀av无| 秋霞伦理黄片| 各种免费的搞黄视频| 激情五月婷婷亚洲| 777久久人妻少妇嫩草av网站| 国产又爽黄色视频| 一二三四在线观看免费中文在| 国产一区有黄有色的免费视频| 狠狠婷婷综合久久久久久88av| 色吧在线观看| 国产在视频线精品| 丁香六月天网| 免费观看人在逋| 最新在线观看一区二区三区 | 我的亚洲天堂| 久久久欧美国产精品| 亚洲伊人久久精品综合| 国产一级毛片在线| 国产精品久久久久久人妻精品电影 | 国产xxxxx性猛交| 老司机在亚洲福利影院| 国产在线视频一区二区| 国产日韩一区二区三区精品不卡| 久久狼人影院| 视频区图区小说| 一级黄片播放器| 色网站视频免费| 综合色丁香网| a级片在线免费高清观看视频| 十分钟在线观看高清视频www| 妹子高潮喷水视频| 久久99一区二区三区| 久久 成人 亚洲| 成人午夜精彩视频在线观看| av片东京热男人的天堂| 伊人久久大香线蕉亚洲五| 亚洲精品日韩在线中文字幕| 曰老女人黄片| 男女免费视频国产| 亚洲精品国产av成人精品| 欧美人与善性xxx| 亚洲综合色网址| 在线亚洲精品国产二区图片欧美| 香蕉国产在线看| 午夜激情av网站| 人体艺术视频欧美日本| 啦啦啦视频在线资源免费观看| 亚洲视频免费观看视频| 亚洲国产欧美在线一区| 天天躁狠狠躁夜夜躁狠狠躁| 极品人妻少妇av视频| 亚洲精品中文字幕在线视频| 国产精品偷伦视频观看了| 免费日韩欧美在线观看| 肉色欧美久久久久久久蜜桃| 天天躁日日躁夜夜躁夜夜| 久久精品国产亚洲av涩爱| 黑人猛操日本美女一级片| 精品亚洲成a人片在线观看| 如日韩欧美国产精品一区二区三区| www日本在线高清视频| 亚洲成色77777| 我的亚洲天堂| 亚洲,欧美,日韩| 男女边吃奶边做爰视频| 国产精品香港三级国产av潘金莲 | 一级毛片我不卡| 不卡视频在线观看欧美| 久久热在线av| 热99久久久久精品小说推荐| 欧美国产精品一级二级三级| 日韩一区二区视频免费看| e午夜精品久久久久久久| 18禁动态无遮挡网站| 亚洲人成电影观看| 欧美成人午夜精品| 丝袜人妻中文字幕| 秋霞在线观看毛片| 丝袜人妻中文字幕| 韩国av在线不卡| 欧美精品人与动牲交sv欧美| 久久99热这里只频精品6学生| 女的被弄到高潮叫床怎么办| 十八禁网站网址无遮挡| 色婷婷av一区二区三区视频| av在线播放精品| 国产精品偷伦视频观看了| 日韩不卡一区二区三区视频在线| 色播在线永久视频| 亚洲第一av免费看| 色吧在线观看| 国产亚洲精品第一综合不卡| 国产成人免费观看mmmm| 国产亚洲精品第一综合不卡| 七月丁香在线播放| 亚洲成人免费av在线播放| 一区二区av电影网| 久久久久久人妻| 波多野结衣一区麻豆| 麻豆乱淫一区二区| 国产黄色免费在线视频| 一级黄片播放器| 久久久久久久久久久久大奶| 日韩 亚洲 欧美在线| 欧美xxⅹ黑人| 国产老妇伦熟女老妇高清| 国产高清不卡午夜福利| 丰满少妇做爰视频| 99国产综合亚洲精品| 中文字幕av电影在线播放| 99国产精品免费福利视频| 国产视频首页在线观看| 国产精品久久久人人做人人爽| 精品午夜福利在线看| 免费黄频网站在线观看国产| 亚洲免费av在线视频| 久久人人97超碰香蕉20202| 99精品久久久久人妻精品| 性色av一级| 丝袜人妻中文字幕| 天堂俺去俺来也www色官网| 亚洲av国产av综合av卡| 麻豆精品久久久久久蜜桃| 日韩av在线免费看完整版不卡| 国产老妇伦熟女老妇高清| 51午夜福利影视在线观看| 无限看片的www在线观看| 欧美最新免费一区二区三区| 一区二区三区乱码不卡18| 欧美最新免费一区二区三区| 人妻人人澡人人爽人人| 免费观看人在逋| 午夜福利影视在线免费观看| 欧美xxⅹ黑人| 亚洲国产精品成人久久小说| av网站免费在线观看视频| 美女国产高潮福利片在线看| 亚洲国产欧美一区二区综合| 一级a爱视频在线免费观看| 永久免费av网站大全| 色婷婷久久久亚洲欧美| 人成视频在线观看免费观看| 欧美日韩av久久| 亚洲精品aⅴ在线观看| 久久久久网色| 久久天躁狠狠躁夜夜2o2o | 亚洲欧美色中文字幕在线| 十分钟在线观看高清视频www| 男女午夜视频在线观看| 18禁裸乳无遮挡动漫免费视频| 男女午夜视频在线观看| 久久久久国产一级毛片高清牌| 国产成人系列免费观看| 啦啦啦在线观看免费高清www| av在线老鸭窝| 又粗又硬又长又爽又黄的视频| 欧美97在线视频| 午夜激情久久久久久久| 人妻 亚洲 视频| 国产精品三级大全| 久久亚洲国产成人精品v| 久久午夜综合久久蜜桃| 国产在线视频一区二区| 嫩草影院入口| 老司机影院毛片| 精品国产国语对白av| 天天添夜夜摸| 我要看黄色一级片免费的| 你懂的网址亚洲精品在线观看| 欧美人与性动交α欧美软件| 国产福利在线免费观看视频| 一级a爱视频在线免费观看| 亚洲av中文av极速乱| 精品少妇一区二区三区视频日本电影 | 国产精品三级大全| 亚洲第一青青草原| 啦啦啦在线免费观看视频4| 成人免费观看视频高清| 日韩免费高清中文字幕av| 亚洲第一区二区三区不卡| 在现免费观看毛片| 国产精品 国内视频| 亚洲欧美日韩另类电影网站| 日本色播在线视频| 久久人人97超碰香蕉20202| 日韩一卡2卡3卡4卡2021年| 97在线人人人人妻| 亚洲国产欧美在线一区| 国产精品国产av在线观看| 成人18禁高潮啪啪吃奶动态图| 亚洲成av片中文字幕在线观看| 黄色怎么调成土黄色| 国产欧美亚洲国产| 国产成人a∨麻豆精品| 最近中文字幕2019免费版| 亚洲综合精品二区| 永久免费av网站大全| 一级a爱视频在线免费观看| av在线观看视频网站免费| 激情视频va一区二区三区| av免费观看日本| 韩国精品一区二区三区| xxx大片免费视频| 精品视频人人做人人爽| 成人漫画全彩无遮挡| 欧美人与善性xxx| 一二三四中文在线观看免费高清| 日韩制服丝袜自拍偷拍| 免费不卡黄色视频| 美女午夜性视频免费| 男女边吃奶边做爰视频| 深夜精品福利| 在线观看免费高清a一片| 国产av码专区亚洲av| 中文乱码字字幕精品一区二区三区| 日韩一本色道免费dvd| 激情视频va一区二区三区| 欧美日韩福利视频一区二区| 国产亚洲精品第一综合不卡| 男女边吃奶边做爰视频| 亚洲精品美女久久久久99蜜臀 | 九九爱精品视频在线观看| 最近最新中文字幕免费大全7| 亚洲国产看品久久| 国产精品女同一区二区软件| 亚洲中文av在线| 日韩免费高清中文字幕av| 国产精品久久久久久人妻精品电影 | 免费观看人在逋| 亚洲欧美中文字幕日韩二区| 只有这里有精品99| 丝瓜视频免费看黄片| 亚洲成国产人片在线观看| 在线观看免费视频网站a站| 精品第一国产精品| 国产精品一区二区在线观看99| 2021少妇久久久久久久久久久| 久久久亚洲精品成人影院| 韩国高清视频一区二区三区| 日韩制服骚丝袜av| 精品一品国产午夜福利视频| 校园人妻丝袜中文字幕| 大陆偷拍与自拍| 亚洲欧美中文字幕日韩二区| 日本av免费视频播放| 亚洲伊人色综图| 啦啦啦在线观看免费高清www| 欧美日韩国产mv在线观看视频| 黄频高清免费视频| 麻豆乱淫一区二区| 亚洲欧洲国产日韩| 日韩电影二区| 精品少妇久久久久久888优播| 天天添夜夜摸| 一级a爱视频在线免费观看| 成人黄色视频免费在线看| 女人高潮潮喷娇喘18禁视频| 免费av中文字幕在线| 国产在线视频一区二区| 欧美人与性动交α欧美软件| 欧美日韩成人在线一区二区| 乱人伦中国视频| 日本猛色少妇xxxxx猛交久久| 国产成人一区二区在线| 99九九在线精品视频| 中文天堂在线官网| 老汉色∧v一级毛片| 七月丁香在线播放| 1024香蕉在线观看| 大片免费播放器 马上看| 人成视频在线观看免费观看| 亚洲国产欧美日韩在线播放| 国产一区亚洲一区在线观看| 熟女av电影| 午夜日韩欧美国产| 一级,二级,三级黄色视频| 亚洲国产成人一精品久久久| 成人三级做爰电影| 国产探花极品一区二区| 咕卡用的链子| 亚洲av中文av极速乱| 成年av动漫网址| 一边亲一边摸免费视频| 在线天堂中文资源库| 99久国产av精品国产电影| 这个男人来自地球电影免费观看 | www.精华液| 日韩,欧美,国产一区二区三区| 亚洲国产欧美网| 久久久亚洲精品成人影院| 亚洲精品国产av蜜桃| av网站在线播放免费| 亚洲第一青青草原| 一区二区三区乱码不卡18| 婷婷色麻豆天堂久久| 国产深夜福利视频在线观看| 欧美另类一区| 国产成人精品在线电影| 777久久人妻少妇嫩草av网站| 别揉我奶头~嗯~啊~动态视频 | 亚洲国产精品国产精品| av一本久久久久| 久久女婷五月综合色啪小说| 97人妻天天添夜夜摸| 99热国产这里只有精品6| 免费少妇av软件| 校园人妻丝袜中文字幕| 亚洲欧美一区二区三区黑人| 美女视频免费永久观看网站| 自拍欧美九色日韩亚洲蝌蚪91| 尾随美女入室| 欧美人与性动交α欧美软件| 日本av免费视频播放| 国产精品麻豆人妻色哟哟久久| 在线观看国产h片| 国产精品一区二区在线观看99| 国产精品免费视频内射| 日韩一卡2卡3卡4卡2021年| 久久久欧美国产精品| 精品国产国语对白av| 18在线观看网站| 极品少妇高潮喷水抽搐| 精品第一国产精品| 免费观看av网站的网址| 老汉色∧v一级毛片| 自拍欧美九色日韩亚洲蝌蚪91| 精品人妻熟女毛片av久久网站| 国产精品嫩草影院av在线观看| av免费观看日本| 男女无遮挡免费网站观看| 中文字幕av电影在线播放| 美女大奶头黄色视频| 久久久久久人人人人人| 亚洲欧洲日产国产| 亚洲av电影在线进入| 麻豆乱淫一区二区| 亚洲成国产人片在线观看| 在线精品无人区一区二区三| 国产老妇伦熟女老妇高清| 操出白浆在线播放| 考比视频在线观看| 亚洲欧美一区二区三区久久| 国产黄频视频在线观看| 国产日韩欧美在线精品| 国精品久久久久久国模美| 天天躁夜夜躁狠狠久久av| 亚洲美女搞黄在线观看| 国产精品一区二区在线不卡| 狠狠婷婷综合久久久久久88av| 999精品在线视频| 国产男人的电影天堂91| 伦理电影大哥的女人| 亚洲欧美精品综合一区二区三区| 日韩一卡2卡3卡4卡2021年| 国产伦理片在线播放av一区| 日本欧美国产在线视频| 免费在线观看黄色视频的| 国产午夜精品一二区理论片| 午夜91福利影院| 欧美精品一区二区免费开放| 免费少妇av软件| 91精品国产国语对白视频| 永久免费av网站大全| 韩国精品一区二区三区| 丰满迷人的少妇在线观看| 免费女性裸体啪啪无遮挡网站| 如何舔出高潮| 男女国产视频网站| 香蕉丝袜av| 女的被弄到高潮叫床怎么办| www.熟女人妻精品国产| 免费观看人在逋| 中文字幕制服av| 搡老乐熟女国产| 国产伦人伦偷精品视频| 久久久久久久国产电影| av一本久久久久| 免费观看av网站的网址| 狠狠精品人妻久久久久久综合| 中文字幕最新亚洲高清| 国产免费福利视频在线观看| 自线自在国产av| 亚洲国产精品一区三区| 国产成人精品久久二区二区91 | 欧美人与性动交α欧美精品济南到| 精品人妻在线不人妻| 日韩免费高清中文字幕av| 看非洲黑人一级黄片| 宅男免费午夜| 男人爽女人下面视频在线观看| 日韩一卡2卡3卡4卡2021年| 99国产精品免费福利视频| 国产精品一区二区精品视频观看| 亚洲免费av在线视频| www.av在线官网国产| 欧美成人午夜精品| 亚洲综合色网址|