• <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)
    人人妻人人看人人澡| 色哟哟·www| 青春草视频在线免费观看| 99热6这里只有精品| 大片免费播放器 马上看| 久久精品人妻少妇| 色综合色国产| 99热这里只有是精品50| 午夜精品国产一区二区电影 | 一区二区三区乱码不卡18| 亚洲伊人久久精品综合| 成人毛片60女人毛片免费| 精品视频人人做人人爽| 国产精品嫩草影院av在线观看| 久久久久久国产a免费观看| 久久精品国产自在天天线| 国内精品美女久久久久久| 人人妻人人爽人人添夜夜欢视频 | 人妻一区二区av| 免费看av在线观看网站| 五月天丁香电影| 丰满人妻一区二区三区视频av| 在线看a的网站| 成年版毛片免费区| 久久久精品免费免费高清| 欧美丝袜亚洲另类| 亚洲高清免费不卡视频| 日韩强制内射视频| 九九久久精品国产亚洲av麻豆| 熟女电影av网| 夫妻性生交免费视频一级片| 国产日韩欧美在线精品| 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 | 国内揄拍国产精品人妻在线| 日产精品乱码卡一卡2卡三| 国产极品天堂在线| h日本视频在线播放| 欧美最新免费一区二区三区| 亚洲丝袜综合中文字幕| 久久精品国产亚洲网站| a级毛色黄片| 国产在视频线精品| 国产黄片视频在线免费观看| 大码成人一级视频| 免费av毛片视频| 国产成人91sexporn| 男女下面进入的视频免费午夜| 午夜福利在线在线| 久久久亚洲精品成人影院| 成年女人在线观看亚洲视频 | 午夜福利网站1000一区二区三区| 欧美激情国产日韩精品一区| 人妻 亚洲 视频| 晚上一个人看的免费电影| 午夜激情福利司机影院| 日本一二三区视频观看| 亚洲综合精品二区| 最近中文字幕高清免费大全6| 18禁在线播放成人免费| 亚洲内射少妇av| 国内揄拍国产精品人妻在线| 日韩欧美精品v在线| 午夜日本视频在线| 国产av码专区亚洲av| 国产精品人妻久久久久久| 成人一区二区视频在线观看| 国产大屁股一区二区在线视频| 国产精品伦人一区二区| 亚洲精品456在线播放app| 色婷婷久久久亚洲欧美| 男女国产视频网站| 爱豆传媒免费全集在线观看| 婷婷色麻豆天堂久久| 人人妻人人澡人人爽人人夜夜| 色5月婷婷丁香| 一级毛片aaaaaa免费看小| 看十八女毛片水多多多| 可以在线观看毛片的网站| 久久久a久久爽久久v久久| 亚洲人成网站高清观看| 大又大粗又爽又黄少妇毛片口| 又爽又黄a免费视频| 又爽又黄a免费视频| 观看免费一级毛片| 精品人妻一区二区三区麻豆| 在线免费观看不下载黄p国产| 99久久精品国产国产毛片| 丝袜美腿在线中文| 啦啦啦中文免费视频观看日本| 少妇被粗大猛烈的视频| 国产乱人视频| 在线观看av片永久免费下载| 三级男女做爰猛烈吃奶摸视频| 白带黄色成豆腐渣| 特级一级黄色大片| 人人妻人人看人人澡| 午夜免费观看性视频| 高清毛片免费看| 成人综合一区亚洲| 伊人久久国产一区二区| 一区二区三区乱码不卡18| 国产亚洲91精品色在线| 男的添女的下面高潮视频| 久久久精品免费免费高清| 久久精品国产鲁丝片午夜精品| 日日啪夜夜爽| 久久精品久久久久久久性| 亚洲国产色片| 久久人人爽人人片av| 日韩 亚洲 欧美在线| 国产老妇伦熟女老妇高清| 亚洲精品国产av成人精品| 热99国产精品久久久久久7| 亚洲成人久久爱视频| 激情五月婷婷亚洲| 最新中文字幕久久久久| 久久久亚洲精品成人影院| 另类亚洲欧美激情| 少妇熟女欧美另类| 91久久精品国产一区二区三区| 日本午夜av视频| 久久精品人妻少妇| 汤姆久久久久久久影院中文字幕| 日韩一本色道免费dvd| 大香蕉久久网| 国产白丝娇喘喷水9色精品| 亚洲第一区二区三区不卡| 国产av码专区亚洲av| 肉色欧美久久久久久久蜜桃 | 两个人的视频大全免费| 日韩,欧美,国产一区二区三区| 国产色爽女视频免费观看| 日本三级黄在线观看| 蜜桃久久精品国产亚洲av| 成人鲁丝片一二三区免费| 成年人午夜在线观看视频| 啦啦啦中文免费视频观看日本| 欧美国产精品一级二级三级 | 高清在线视频一区二区三区| 国产精品久久久久久久久免| 在线免费观看不下载黄p国产| 人妻系列 视频| 2021少妇久久久久久久久久久| 欧美性猛交╳xxx乱大交人| 综合色丁香网| 爱豆传媒免费全集在线观看| 国产av码专区亚洲av| 欧美成人午夜免费资源| 少妇裸体淫交视频免费看高清| 九色成人免费人妻av| 嫩草影院精品99| 18禁在线播放成人免费| 最后的刺客免费高清国语| 午夜福利视频1000在线观看| 热99国产精品久久久久久7| 日本爱情动作片www.在线观看| 免费大片18禁| 国产精品三级大全| 国产成人精品婷婷| 国产精品偷伦视频观看了| 精品熟女少妇av免费看| 在线a可以看的网站| 99视频精品全部免费 在线| 国产永久视频网站| 伦理电影大哥的女人| 99精国产麻豆久久婷婷| 日本一二三区视频观看| 午夜老司机福利剧场| 一级二级三级毛片免费看| 精品国产乱码久久久久久小说| 可以在线观看毛片的网站| 中文在线观看免费www的网站| 亚洲人成网站在线播| 午夜精品国产一区二区电影 | 涩涩av久久男人的天堂| 国产大屁股一区二区在线视频| 亚洲人成网站高清观看| 国产在线男女| 十八禁网站网址无遮挡 | 国产精品国产三级国产av玫瑰| 爱豆传媒免费全集在线观看| 精品国产三级普通话版| 3wmmmm亚洲av在线观看| 97人妻精品一区二区三区麻豆| 国产精品福利在线免费观看| av免费观看日本| 亚洲av国产av综合av卡| 亚洲激情五月婷婷啪啪| 国产爱豆传媒在线观看| 三级国产精品欧美在线观看| 日本与韩国留学比较| 婷婷色综合大香蕉| 成人黄色视频免费在线看| 国产午夜福利久久久久久| 国产精品一区二区性色av| 亚洲av欧美aⅴ国产| 国产色爽女视频免费观看| 中文字幕亚洲精品专区| 高清欧美精品videossex| 国产精品三级大全| 国产精品久久久久久精品电影| 亚洲精品日韩av片在线观看| 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 | 少妇丰满av| 国产亚洲91精品色在线| 一个人观看的视频www高清免费观看| 亚洲人与动物交配视频| 国产中年淑女户外野战色| 蜜桃久久精品国产亚洲av| 国产成人a区在线观看| 成人午夜精彩视频在线观看| 中文在线观看免费www的网站| 男人添女人高潮全过程视频| 日韩电影二区| 美女被艹到高潮喷水动态| 99re6热这里在线精品视频| 国产成人freesex在线| 亚洲在久久综合| 91狼人影院| 久久久午夜欧美精品| 五月玫瑰六月丁香| 国产精品三级大全| 午夜亚洲福利在线播放| 天天躁日日操中文字幕| 亚洲国产精品成人久久小说| 亚洲精品日本国产第一区| 国产精品一区www在线观看| 女人被狂操c到高潮| 精品人妻一区二区三区麻豆| 国产日韩欧美亚洲二区| 亚洲精品一区蜜桃| 精品人妻一区二区三区麻豆| av黄色大香蕉| 精品久久久噜噜| 国产午夜精品一二区理论片| 午夜精品一区二区三区免费看| 亚洲精华国产精华液的使用体验| 男人添女人高潮全过程视频| 久久久欧美国产精品| 国产精品.久久久| 亚洲成色77777| 亚洲电影在线观看av| 久久精品人妻少妇| 日韩不卡一区二区三区视频在线| 亚洲国产av新网站| 777米奇影视久久| 亚洲最大成人av| 2021少妇久久久久久久久久久| 久久久色成人| 日本黄色片子视频| 在线观看人妻少妇| 精品一区二区三卡| 亚洲欧美成人精品一区二区| www.av在线官网国产| 久久久久久久久久成人| 1000部很黄的大片| 又大又黄又爽视频免费| 免费播放大片免费观看视频在线观看| 看非洲黑人一级黄片| 一级片'在线观看视频| 偷拍熟女少妇极品色| 成人无遮挡网站| 国产黄色视频一区二区在线观看| 欧美丝袜亚洲另类| 一级av片app| 亚洲美女视频黄频| 少妇丰满av| 日韩三级伦理在线观看| 亚洲色图综合在线观看| 春色校园在线视频观看| 极品教师在线视频| 国产在线男女| 精品国产一区二区三区久久久樱花 | 黄色一级大片看看| 日韩一本色道免费dvd| 欧美精品国产亚洲| 一区二区三区四区激情视频| 男人和女人高潮做爰伦理| 国产成人a区在线观看| 国产午夜福利久久久久久| 美女主播在线视频| 黑人高潮一二区| 在线观看免费高清a一片| 日韩 亚洲 欧美在线| 极品少妇高潮喷水抽搐| 久久这里有精品视频免费| 日本熟妇午夜| 午夜日本视频在线| av免费在线看不卡| 久久6这里有精品| 一本久久精品| 99热6这里只有精品| 国产日韩欧美亚洲二区| 午夜福利视频1000在线观看| 一级av片app| 精品久久久噜噜| 18+在线观看网站| 欧美+日韩+精品| 黄色日韩在线| 亚洲欧美一区二区三区黑人 | 国产探花在线观看一区二区| 久热这里只有精品99| 观看免费一级毛片| 成人综合一区亚洲| 国产又色又爽无遮挡免| 欧美潮喷喷水| 色5月婷婷丁香| 国产精品一区二区在线观看99| av在线亚洲专区| 欧美高清成人免费视频www| 国产精品麻豆人妻色哟哟久久| 国产综合懂色| 精品一区二区三卡| 精品一区二区三卡| 日本一本二区三区精品| 中文在线观看免费www的网站| 中文在线观看免费www的网站| 另类亚洲欧美激情| 国产 一区 欧美 日韩| 成年女人在线观看亚洲视频 | 1000部很黄的大片| 久久久久久久久久久免费av| 看黄色毛片网站| 国产男女超爽视频在线观看| 国产成人一区二区在线| 高清午夜精品一区二区三区| 色网站视频免费| 成人综合一区亚洲| 欧美极品一区二区三区四区| 建设人人有责人人尽责人人享有的 | 久久精品综合一区二区三区| 亚洲,一卡二卡三卡| av国产精品久久久久影院| 免费观看性生交大片5| 一二三四中文在线观看免费高清| 亚洲内射少妇av| 国产黄a三级三级三级人| 欧美成人a在线观看| 2021少妇久久久久久久久久久| 亚洲精品国产av成人精品| 国产精品99久久99久久久不卡 | 亚洲综合色惰| 69av精品久久久久久| 亚洲不卡免费看| 国产精品一区二区在线观看99| 欧美亚洲 丝袜 人妻 在线| 免费播放大片免费观看视频在线观看| 最近最新中文字幕大全电影3| 国产在线男女| 在线a可以看的网站| 永久免费av网站大全| 91午夜精品亚洲一区二区三区| 男女边摸边吃奶| 1000部很黄的大片| 久久久久久久久久人人人人人人| 搡女人真爽免费视频火全软件| 网址你懂的国产日韩在线| 成人亚洲精品一区在线观看 | 在线观看一区二区三区激情| 久久精品国产亚洲av天美| 赤兔流量卡办理| 国产高清不卡午夜福利| 日本-黄色视频高清免费观看| 亚洲精品乱码久久久久久按摩| 中文欧美无线码| 精品熟女少妇av免费看| 高清午夜精品一区二区三区| 人妻制服诱惑在线中文字幕| 亚洲电影在线观看av| 亚洲精品日韩在线中文字幕| 久久99蜜桃精品久久| 免费看a级黄色片| 国产精品av视频在线免费观看| 亚洲欧美日韩卡通动漫| 久久久久网色| 丰满少妇做爰视频| 亚洲国产色片| 国产v大片淫在线免费观看| 99热这里只有是精品50| 国产男女超爽视频在线观看| 九九在线视频观看精品| 国产亚洲5aaaaa淫片| 日日啪夜夜撸| 免费电影在线观看免费观看| 国产一区亚洲一区在线观看| 舔av片在线| 天美传媒精品一区二区| 大香蕉97超碰在线| 国产中年淑女户外野战色| 免费人成在线观看视频色| 亚洲成人av在线免费| 一区二区三区精品91| 久久久久久久久大av| 久久99蜜桃精品久久| 免费看a级黄色片| 日本色播在线视频| 欧美国产精品一级二级三级 | 欧美最新免费一区二区三区| 亚洲自拍偷在线| 精品午夜福利在线看| 久久99热这里只频精品6学生| 观看美女的网站| 插阴视频在线观看视频| 国产乱来视频区| 久久精品国产a三级三级三级| 亚洲人成网站在线播| 91精品一卡2卡3卡4卡| 亚洲欧美日韩东京热| 欧美xxⅹ黑人| av播播在线观看一区| 3wmmmm亚洲av在线观看| 激情五月婷婷亚洲| 亚洲国产精品成人久久小说| 建设人人有责人人尽责人人享有的 | 观看免费一级毛片| 男的添女的下面高潮视频| 又粗又硬又长又爽又黄的视频| 日日摸夜夜添夜夜爱| 99热这里只有是精品50| 在线a可以看的网站| 久久久久精品久久久久真实原创| 国产精品国产三级国产av玫瑰| 97热精品久久久久久| 天堂俺去俺来也www色官网| 久久久久性生活片| 免费少妇av软件| 国产大屁股一区二区在线视频| 在线精品无人区一区二区三 | 国模一区二区三区四区视频| 午夜激情福利司机影院| a级一级毛片免费在线观看| 91久久精品电影网| 一本色道久久久久久精品综合| 国产精品嫩草影院av在线观看| 高清在线视频一区二区三区| 亚洲在久久综合| 男女啪啪激烈高潮av片| 综合色丁香网| 超碰97精品在线观看| 观看免费一级毛片| av.在线天堂| 男女国产视频网站| 成人无遮挡网站| 国产大屁股一区二区在线视频| 99视频精品全部免费 在线| 精华霜和精华液先用哪个| 噜噜噜噜噜久久久久久91| 51国产日韩欧美| 精品视频人人做人人爽| 全区人妻精品视频| 黑人高潮一二区| 亚洲人与动物交配视频| 成人午夜精彩视频在线观看| 蜜桃亚洲精品一区二区三区| 九色成人免费人妻av| 少妇猛男粗大的猛烈进出视频 | 精品视频人人做人人爽| 免费看不卡的av| 亚洲国产高清在线一区二区三| 免费播放大片免费观看视频在线观看| av一本久久久久| 麻豆成人午夜福利视频| 国产高清三级在线| 夫妻性生交免费视频一级片| 日韩欧美 国产精品| 亚洲怡红院男人天堂| 嫩草影院新地址| 久久99热6这里只有精品| 亚洲人成网站在线播| 尾随美女入室| 日韩欧美 国产精品| 亚洲av福利一区| 国精品久久久久久国模美| 啦啦啦中文免费视频观看日本| 一区二区三区乱码不卡18| 久久久久久久大尺度免费视频| 亚洲av中文字字幕乱码综合| 制服丝袜香蕉在线| 精华霜和精华液先用哪个| 午夜亚洲福利在线播放| 日韩一区二区三区影片| 日韩视频在线欧美| 一个人看的www免费观看视频| 亚洲天堂av无毛| 狂野欧美激情性xxxx在线观看| 日韩 亚洲 欧美在线| 在线观看一区二区三区激情| 亚洲,欧美,日韩| 日韩av在线免费看完整版不卡| 成人国产av品久久久| 毛片一级片免费看久久久久| 免费看日本二区| 欧美激情久久久久久爽电影| 男女下面进入的视频免费午夜| 日韩欧美精品免费久久| 别揉我奶头 嗯啊视频| 国产精品久久久久久久电影| 神马国产精品三级电影在线观看| 一级片'在线观看视频| 色播亚洲综合网| 亚洲精品一区蜜桃| 九草在线视频观看| 欧美日韩精品成人综合77777| 国产精品久久久久久av不卡| 国产综合懂色| 国产高潮美女av| 国产男女内射视频| 婷婷色综合www| 国产欧美日韩一区二区三区在线 | 亚洲伊人久久精品综合| 国产视频首页在线观看| 禁无遮挡网站| 久久这里有精品视频免费| 日韩欧美一区视频在线观看 | 国产精品国产av在线观看| 亚洲电影在线观看av| 有码 亚洲区| 国产淫片久久久久久久久| 亚洲三级黄色毛片| 男女啪啪激烈高潮av片| 一级二级三级毛片免费看| 久久99热6这里只有精品| 免费av不卡在线播放| 国产一区亚洲一区在线观看| 国产人妻一区二区三区在| 97超碰精品成人国产| 亚洲欧洲国产日韩| 嫩草影院新地址| 观看免费一级毛片| 亚洲一区二区三区欧美精品 | 大香蕉97超碰在线| 亚洲美女搞黄在线观看| 国产日韩欧美在线精品| 99久久九九国产精品国产免费| 国产精品秋霞免费鲁丝片| 视频中文字幕在线观看| 国产亚洲一区二区精品| 欧美最新免费一区二区三区| 午夜亚洲福利在线播放| 日韩在线高清观看一区二区三区| 美女国产视频在线观看| 99九九线精品视频在线观看视频| 日韩免费高清中文字幕av| 别揉我奶头 嗯啊视频| 男的添女的下面高潮视频| 国精品久久久久久国模美| 免费看日本二区| 麻豆久久精品国产亚洲av| 视频中文字幕在线观看| 成人亚洲精品av一区二区| 色网站视频免费| 神马国产精品三级电影在线观看| 欧美精品国产亚洲| 久久久久性生活片| 日韩,欧美,国产一区二区三区| 3wmmmm亚洲av在线观看| av女优亚洲男人天堂| 国产成人一区二区在线| 最近最新中文字幕免费大全7| 99久国产av精品国产电影| 亚洲最大成人中文| 大码成人一级视频| 国精品久久久久久国模美| 97在线人人人人妻| 国产精品一区二区性色av| 国产男女内射视频| 亚洲精品日本国产第一区| 免费少妇av软件| 亚洲经典国产精华液单| 最新中文字幕久久久久| 国产精品女同一区二区软件| 成人二区视频| 久久亚洲国产成人精品v| 午夜福利在线在线| 性插视频无遮挡在线免费观看| 久久精品国产鲁丝片午夜精品| 人妻夜夜爽99麻豆av| 久久影院123| 午夜激情福利司机影院| 夫妻性生交免费视频一级片| 日韩三级伦理在线观看| 国产美女午夜福利| 夜夜爽夜夜爽视频| 午夜福利高清视频| 国产精品女同一区二区软件| 国产乱人偷精品视频| av天堂中文字幕网| 2018国产大陆天天弄谢| 好男人在线观看高清免费视频| 18+在线观看网站| 亚洲欧洲国产日韩| 日本一二三区视频观看| 日韩成人伦理影院| 97超视频在线观看视频| 麻豆乱淫一区二区| 国产精品久久久久久久电影| 久久ye,这里只有精品| 热re99久久精品国产66热6| av福利片在线观看| 国产av不卡久久| 又爽又黄无遮挡网站| 欧美xxⅹ黑人| 精品一区在线观看国产| 韩国高清视频一区二区三区| 人人妻人人爽人人添夜夜欢视频 | 亚洲国产精品成人综合色| 国产淫语在线视频| 中文欧美无线码| 亚洲欧美清纯卡通| 国产午夜精品一二区理论片| av播播在线观看一区| 欧美xxxx黑人xx丫x性爽| 成年女人在线观看亚洲视频 | 欧美日韩在线观看h| 18禁裸乳无遮挡免费网站照片|