• <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 ?

    基于壓縮感知的低復(fù)雜度超分辨角度估計(jì)方法

    2024-11-23 00:00:00吳敏黎子皓郝程鵬胡橋

    摘要: 在空域目標(biāo)角度估計(jì)中,分辨率受陣列孔徑的限制,依靠增加陣元數(shù)量提高分辨率會(huì)增加系統(tǒng)成本。為了在受限陣列尺寸中減少陣元數(shù)量,基于壓縮感知(compressive sensing, CS)理論,提出了一種超分辨角度估計(jì)算法。首先建立陣列接收信號(hào)模型并構(gòu)造冗余字典,然后利用目標(biāo)空間域稀疏先驗(yàn)信息將目標(biāo)角度估計(jì)問(wèn)題建模為優(yōu)化問(wèn)題,最后設(shè)計(jì)低復(fù)雜度算法對(duì)優(yōu)化問(wèn)題求解。所提算法通過(guò)貝葉斯CS理論推導(dǎo)了正則化系數(shù),保證了算法的噪聲抑制性能,通過(guò)共軛梯度運(yùn)算及Hadamard乘積提高了算法效率。所提算法可利用較少快拍在信號(hào)數(shù)目未知的條件下,實(shí)現(xiàn)高精度角度估計(jì)。仿真結(jié)果和實(shí)測(cè)數(shù)據(jù)驗(yàn)證了所提算法的有效性。

    關(guān)鍵詞: 陣列信號(hào)處理; 壓縮感知; 波達(dá)方向估計(jì); 波束形成

    中圖分類號(hào): TN 911.7

    文獻(xiàn)標(biāo)志碼: A

    DOI:10.12305/j.issn.1001-506X.2024.06.01

    Low complexity super-resolution angle estimation method based on compressive sensing

    WU Min1,2, LI Zihao1,2, HAO Chengpeng1,2,*, HU Qiao3

    (1. Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China; 3. School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an 710049, China)

    Abstract: In aerial target angle estimation, the resolution is constrained by the aperture length. Increasing the number of array elements to improve the resolution will increase the system lost. To reduce the number of elements in the limited array size, a novel algorithm of super-resolution angle estimation is addressed based on compressive sensing (CS) theory. The array received signal model is established and the redundant dictionary is formed. By exploiting the sparse prior information of the observation area, the target angle estimation problem is converted into the optimization problem. The direction of arrival of targets can be estimated with accuracy via an iterative optimization algorithm. In the proposed algorithm, the regularization coefficient is derived by Bayesian CS theory to ensure the noise robustness of the algorithm. Besides, the efficiency of the proposed algorithm is improved by using the conjugate gradient algorithm and Hadamard product. The effectiveness of the proposed algorithm is verified by simulation and measured data.

    Keywords: array signal processing; compressive sensing (CS); direction of arrival (DOA) estimation; beam forming

    0 引 言

    隨著聲納技術(shù)的高速發(fā)展,陣列信號(hào)處理可實(shí)現(xiàn)對(duì)水下目標(biāo)的高分辨探測(cè)和定位,其基本原理是利用陣元傳感器接收各個(gè)方向的信號(hào),估計(jì)信號(hào)的到達(dá)方向(direction of arrival, DOA)角是陣列信號(hào)處理的重要任務(wù),以獲取信號(hào)源的信源數(shù)、角度等信息為目的[1。常見的DOA估計(jì)方法有時(shí)延求和(delay-and-sum, DAS)和最小方差無(wú)畸變(minimum variance distortion-less response, MVDR)算法。DAS通過(guò)補(bǔ)償各通道時(shí)延差后求和得到波束輸出,其計(jì)算復(fù)雜度低,穩(wěn)健性高,但受孔徑大小的限制,空間分辨率較低。Capon[2提出的MVDR波束形成器,采用最小化噪聲方差準(zhǔn)則,在感興趣角度無(wú)失真輸出的前提下最小化輸出功率,形成空間譜,采用的線性模型對(duì)于噪聲的利用率較低,導(dǎo)致算法具有一定的局限性。20世紀(jì)70年代末涌現(xiàn)的一些子空間類方法對(duì)DOA估計(jì)研究具有劃時(shí)代意義,其中最具代表性的是多重信號(hào)分類(multiple signal classification, MUSIC)算法[3。該算法通過(guò)對(duì)接收數(shù)據(jù)進(jìn)行空間分解,將空間劃分為信號(hào)子空間和噪聲子空間,利用子空間的正交特性構(gòu)造出空間譜圖并進(jìn)行譜峰搜索,從理論上克服了瑞利極限,可獲得目標(biāo)角度的超分辨估計(jì),但自相關(guān)矩陣特征值分解以及譜峰搜索導(dǎo)致算法計(jì)算復(fù)雜度高?;谛D(zhuǎn)不變的信號(hào)參數(shù)估計(jì)(estimation of signal parameters by rotational invariance techniques, ESPRIT)的子空間類方法[4,此算法無(wú)需進(jìn)行譜峰搜索,降低了算法運(yùn)算量,增加了DOA估計(jì)方法的實(shí)用性。近年來(lái),學(xué)者們?cè)贛USIC算法和ESPRIT算法基礎(chǔ)上進(jìn)行改進(jìn),提出了許多改進(jìn)的子空間類方法[5。然而,子空間類算法通常需要滿足信號(hào)源數(shù)目已知、多快拍以及高信噪比(signal to noise ratio, SNR)的條件,在實(shí)際水下測(cè)向環(huán)境中應(yīng)用受限。同時(shí),為避免角度估計(jì)模糊,要求陣列中相鄰兩個(gè)陣元間隔不大于信號(hào)半倍波長(zhǎng)。

    現(xiàn)代聲納工作頻率范圍較寬,工作頻率決定了陣元間隔以及陣元物理尺寸,當(dāng)信號(hào)頻率過(guò)高時(shí),較小的陣元間距使得半波長(zhǎng)物理布陣難以實(shí)現(xiàn),且會(huì)產(chǎn)生較大的陣元互耦。隨著海洋探索的不斷深入,對(duì)于多目標(biāo)、集群目標(biāo)的水下探測(cè)需求日益增加,對(duì)角度分辨率要求越來(lái)越高,高分辨率意味著較大的陣列孔徑,一般需要大量的陣元來(lái)擴(kuò)大陣列的有效孔徑,大量的物理陣元會(huì)增加系統(tǒng)成本和復(fù)雜度。針對(duì)上述關(guān)于陣列尺寸、系統(tǒng)成本以及DOA估計(jì)精度之間存在的問(wèn)題,稀疏陣列因其能夠克服陣元間隔的限制而得到巨大發(fā)展及廣泛應(yīng)用。稀疏陣列構(gòu)型方法打破了傳統(tǒng)均勻陣列構(gòu)型規(guī)則,按照某種規(guī)則進(jìn)行非均勻且稀疏放置,其陣元間隔不受半波長(zhǎng)的限制,因而在同樣陣元條件下,稀疏陣列可獲得比傳統(tǒng)滿陣更大的陣列孔徑,提高空間角度分辨率和測(cè)角精度;換言之,在陣列尺寸一定時(shí),采用稀疏陣列可以顯著減少陣元數(shù)量,從而降低系統(tǒng)成本。

    當(dāng)陣元數(shù)目有限時(shí),陣元對(duì)空域信號(hào)的采樣將不滿足奈奎斯特采樣定理,常規(guī)DOA估計(jì)算法很難保證角度估計(jì)的性能。因此,如何提高有限元陣列或稀疏陣列的空間增益和角度分辨率成為DOA估計(jì)領(lǐng)域的熱點(diǎn)問(wèn)題。針對(duì)互質(zhì)陣中的DOA估計(jì),研究人員在傳統(tǒng)MVDR算法的基礎(chǔ)上,對(duì)干擾噪聲協(xié)方差矩陣進(jìn)行重構(gòu),取得了更優(yōu)的角度估計(jì)性能,但在低SNR下,算法穩(wěn)健性較差[6。He等[7提出了基于MUSIC算法的空間任意四元陣測(cè)向技術(shù),但此類算法依然存在運(yùn)算量和快拍數(shù)過(guò)大的問(wèn)題。隨著對(duì)壓縮感知(compressive sensing, CS)理論[8和稀疏信號(hào)表征研究的不斷深入,在信號(hào)具有稀疏先驗(yàn)的情況下,可以極大概率在欠采樣條件下恢復(fù)目標(biāo)信號(hào)[9,學(xué)者們將稀疏重構(gòu)理論應(yīng)用于超分辨DOA估計(jì)領(lǐng)域。當(dāng)目標(biāo)在空間分布滿足稀疏先驗(yàn)條件、測(cè)量矩陣滿足約束等容(restricted isometry property, RIP)條件時(shí),可實(shí)現(xiàn)超分辨DOA估計(jì)[10-12。文獻(xiàn)[13]提出了一種單快拍自適應(yīng)角度估計(jì)算法,可在單快拍情況下,得到較為理想的估計(jì)結(jié)果,但是單快拍DOA估計(jì)在低SNR條件下角度估計(jì)穩(wěn)定性差。為了將稀疏重構(gòu)思想應(yīng)用于多快拍數(shù)據(jù)場(chǎng)景中,Cotter等[14提出基于多測(cè)量矢量(multiple measurement vector, MMV)模型的角度估計(jì)算法,由于陣列獲取的是多快拍數(shù)據(jù),算法在低SNR的情況下能以更高概率得到高精度DOA估計(jì),但其運(yùn)算復(fù)雜度隨著快拍數(shù)的增加而增大。Malioutov等[15提出了基于奇異值分解(singular value decomposition, SVD)的l1-SVD的DOA估計(jì)算法。該算法首先將矩陣進(jìn)行SVD,再將其轉(zhuǎn)換為二階錐規(guī)劃問(wèn)題,最后采用內(nèi)點(diǎn)法等相關(guān)凸優(yōu)化方法求解得到角度估計(jì)值。算法可解決多快拍情況下復(fù)雜度過(guò)大的問(wèn)題。然而,由于SVD技術(shù)需要正確的信源個(gè)數(shù)給予支撐,在信源個(gè)數(shù)未知的情況下,該算法的性能將嚴(yán)重下降甚至失效。

    本文提出了一種基于CS的超分辨DOA估計(jì)算法,利用場(chǎng)景稀疏性,構(gòu)建基于CS的DOA估計(jì)模型,構(gòu)造測(cè)量矩陣和l1范數(shù)的優(yōu)化函數(shù),設(shè)計(jì)低復(fù)雜度優(yōu)化算法對(duì)空間譜進(jìn)行重構(gòu),算法可在信源個(gè)數(shù)未知和有限陣元條件下得到超分辨角度估計(jì)值。在構(gòu)造優(yōu)化問(wèn)題約束條件時(shí),利用了噪聲背景下的多快拍數(shù)據(jù),算法可有效抑制噪聲;利用貝葉斯CS推導(dǎo)了正則化系數(shù),算法能自適應(yīng)獲得空間譜,算法穩(wěn)健;利用修正牛頓法求解優(yōu)化問(wèn)題,算法運(yùn)算效率大大提高。

    1 陣列接收信號(hào)模型

    假設(shè)接收陣列為M陣元的隨機(jī)線性陣列,采用直角坐標(biāo)表示。假設(shè)空間中存在N個(gè)方向的遠(yuǎn)場(chǎng)信號(hào),所有傳感器均為各向同性。第m個(gè)陣元的輸出可表示為

    ym(t)=∑N-1n=0s(t-τm,n)+εm(t)(1)

    式中:τm,n為遠(yuǎn)場(chǎng)信號(hào)抵達(dá)第m個(gè)陣元相較于抵達(dá)參考點(diǎn)的時(shí)延,τm,n=Rm,n/c,c為信號(hào)傳播速度;εm(t)為噪聲,這里假定噪聲與信號(hào)是統(tǒng)計(jì)獨(dú)立的。對(duì)于窄帶情形,時(shí)延等價(jià)于相移,即s(t-τm,n)=s(t)e-j2πfcτm,n,fc為窄帶信號(hào)的載頻,則第m個(gè)陣元輸出為

    ym(t)=∑N-1n=0s(t)e-j2πfcτm,nm(t)(2)

    M個(gè)陣元輸出信號(hào)的矢量形式為

    y(t)=∑N-1n=0a(θn)s(t)+ε(t)=As(t)+ε(t)(3)

    式中:y(t)=[y1(t),y2(t),…,yM(t)]T為陣列輸出;s(t)=[s0(t),s1(t),…,sN-1(t)]T代表空間譜;ε(t)=[ε1(t),ε2(t),…,εM(t)]T為噪聲;A=[a(θ0),a(θ1),…,a(θN-1)]為導(dǎo)向矩陣,a(θn)=[e-j2πfcτ1,n,e-j2πfcτ2,n,…,e-j2πfcτM,nT代表導(dǎo)向矢量,表征了目標(biāo)方向和各陣元位置之間的相位差異。

    2 基于CS的超分辨角度估計(jì)

    2.1 陣列角度估計(jì)模型

    觀測(cè)角度范圍被分成H個(gè)角度單元,對(duì)應(yīng)的導(dǎo)向矩陣變?yōu)榇笮镸×H的矩陣A=[a(θ0),a(θ1),…,a(θH-1)],導(dǎo)向矢量為a(θh)=[e-j2πfcτ1,h,e-j2πfcτ2,h,…,e-j2πfcτM,hT,當(dāng)接收數(shù)據(jù)有K個(gè)快拍時(shí),接收信號(hào)表示為

    Y=AS+E(4)

    式中:E=[ε(1),ε(2),…,ε(K)]代表大小為M×K的矩陣;Y=[y(1),y(2),…,y(K)]是大小為M×K的矩陣;S代表需要恢復(fù)的二維空間譜,第n行第k列元素為sn(k)。通過(guò)向量化二維信號(hào)模型轉(zhuǎn)化為一維形式:

    y=A-s+ε(5)

    式中:A-=diag{A,A,…,A}是分塊矩陣,大小為MK×HK;y=vec(Y);s=vec(S);ε=vec(E),vec(·)指矩陣向量化,表示將矩陣的各列向量依次堆疊形成一個(gè)列向量。假設(shè)在多次快拍觀測(cè)中,目標(biāo)角度不發(fā)生變化,即空時(shí)不耦合。因此,對(duì)空時(shí)譜在時(shí)間上做累積可作為空間譜估計(jì)s-(h)=∑k|sh(k)|,通過(guò)對(duì)譜估計(jì)結(jié)果s-(h)做檢測(cè),可得到目標(biāo)的角度估計(jì)值和個(gè)數(shù)。目標(biāo)場(chǎng)景中只在少數(shù)觀測(cè)角度中有目標(biāo),即Nlt;lt;H,空間譜具有強(qiáng)稀疏特性,利用這一特性可將空間譜估計(jì)過(guò)程轉(zhuǎn)化為稀疏重構(gòu)過(guò)程。在實(shí)際應(yīng)用中,陣元數(shù)通常小于目標(biāo)區(qū)域角度劃分網(wǎng)格數(shù),A-是一個(gè)高維到低維的測(cè)量矩陣,從有限回波數(shù)據(jù)中恢復(fù)空間譜是一個(gè)病態(tài)過(guò)程。CS理論表明,在s為稀疏先驗(yàn)條件時(shí),如果測(cè)量矩陣A-滿足RIP特性,則可以從接收信號(hào)y中恢復(fù)未知空時(shí)譜矩陣s。滿足RIP特性,即存在限制等距常數(shù)δ∈(0,1),使條件(1-δ)s22≤A -s22≤(1+δ)s22成立,RIP特性與構(gòu)成測(cè)量矩陣的基向量的相關(guān)性有關(guān),相關(guān)系數(shù)越小,基的正交性越好。A~={a~(θh)}H-1h=0為歸一化的基向量集合,相互之間的相關(guān)系數(shù)為

    R(A~)=maxp≠q0≤p,q≤H-1|lt;a~(θp),a~(θq)gt;|(6)

    當(dāng)空間譜矩陣滿足以下條件時(shí),滿足RIP特性。

    在滿足稀疏先驗(yàn)以及RIP特性條件下,可將上述病態(tài)求解問(wèn)題轉(zhuǎn)化為l1范數(shù)的優(yōu)化問(wèn)題,從而得到目標(biāo)角度信息??紤]噪聲影響,構(gòu)建的l1范數(shù)優(yōu)化問(wèn)題為

    s=arg min{y-A-s22+ρs1}(8)

    式中:ρ為正則化系數(shù);·2和·1分別表示l2范數(shù)和l1范數(shù);min(·)是最小化運(yùn)算。

    2.2 稀疏優(yōu)化求解算法實(shí)現(xiàn)

    利用優(yōu)化求解算法,如正交匹配追蹤(orthogonal matching pursuit, OMP)算法[16、BFGS(Broyden,F(xiàn)letcher,Gold-farb,Shanno)算法等[17可求解l1范數(shù)優(yōu)化問(wèn)題,通常采用CVX、SEDUMI等內(nèi)點(diǎn)法求解器,不利于工程應(yīng)用[18-20,本文推導(dǎo)基于擬牛頓算法的低復(fù)雜度方法求解式(8)中的優(yōu)化問(wèn)題。為提高算法的噪聲穩(wěn)健性和環(huán)境適應(yīng)能力,首先推導(dǎo)了優(yōu)化問(wèn)題中的正則化系數(shù)ρ,假設(shè)噪聲矩陣E服從復(fù)高斯分布,均值為零,方差為σ2,ε的概率密度函數(shù)(probability density function, PDF)可表示為

    因此,當(dāng)已知s時(shí),y的概率密度函數(shù)可表示為

    基于貝葉斯CS原理,在空間譜具有強(qiáng)稀疏性的前提下,空間譜服從Laplace分布,s的概率密度函數(shù)可表示為

    式中:V是Laplace函數(shù)尺度系數(shù)。在已知陣列接收矩陣y時(shí),可利用最大后驗(yàn)概率準(zhǔn)則估計(jì)空時(shí)譜,s的最大后驗(yàn)概率估計(jì)為

    將式(10)和式(11)代入式(12)推導(dǎo)可得

    通過(guò)以上的貝葉斯CS的推導(dǎo),正則化系數(shù)為ρ=2σ2V,下面介紹估計(jì)σ2和V的方法。首先,利用常規(guī)恒虛警檢測(cè)進(jìn)行粗檢測(cè),超過(guò)檢測(cè)門限的區(qū)域判定為目標(biāo)區(qū)域,低于檢測(cè)門限的區(qū)域判定為噪聲區(qū)域。由于假設(shè)噪聲滿足零均值的高斯分布,其方差σ2可通過(guò)對(duì)噪聲區(qū)域進(jìn)行最大似然估計(jì)確定[21。由于s服從Laplace分布,因此V的最大似然可通過(guò)求max ln[PDF(s|V)]確定,也就等價(jià)于求max{ ln[PDF(s|V)]},對(duì)ln[PDF(s|V)]關(guān)于V求導(dǎo)可得

    ?ln[PDF(s|V)]?σ=HKσ-∑HK-1i=0|s(i)|(14)

    則V的最大似然估計(jì)為

    V=HK∑HK-1i=0|s(i)|(15)

    通過(guò)以上的推導(dǎo),估計(jì)了式(13)中正則化系數(shù)ρ,由于在推導(dǎo)中考慮了目標(biāo)和噪聲的分布特性,因此算法具有較強(qiáng)的噪聲抑制性能。

    下面對(duì)式(13)的優(yōu)化函數(shù)進(jìn)行求解,對(duì)代價(jià)函數(shù)J(s)=y-A-s22+ρs1關(guān)于s求共軛梯度為

    ΔJs*(s)=H(s)s-2A-Hy(16)

    式中:H(s)矩陣是s的系數(shù)矩陣,可表示為

    H(s)=2A-HA-+ρΛ(s)(17)

    式中:Λ(s)=diag[1/|s(hk)|2+τ]。傳統(tǒng)的牛頓法和擬牛頓法不適合處理包含非二次型的優(yōu)化問(wèn)題[22,特別是代價(jià)函數(shù)中包含了s的模,更增加了求解的復(fù)雜性。本文中用修正的牛頓迭代算法來(lái)求解該優(yōu)化問(wèn)題[23。由牛頓法可知,s的第l+1次迭代式為

    sl+1=sl-β[H(sl)]-1ΔJs*(sl)(18)

    式中:β為迭代步長(zhǎng),[·]-1表示矩陣的逆。如迭代步長(zhǎng)設(shè)為β=1,把共軛梯度式(16)代入式(18)推導(dǎo)得

    sl+1=2[H(sl)]-1A-Hy(19)

    當(dāng)?shù)鷿M足以下條件時(shí),算法終止

    sl+1-sl22sl22lt;δ(20)

    將二維空時(shí)譜在時(shí)間域上做累積即可得到目標(biāo)角度空間譜

    s-(h)=∑k|sh(k)|(21)

    對(duì)s-進(jìn)行常規(guī)的恒虛警檢測(cè)能獲得目標(biāo)的角度估計(jì)結(jié)果,其位置和個(gè)數(shù)分別表示目標(biāo)的角度估計(jì)值和目標(biāo)個(gè)數(shù)。

    2.3 快速算法及運(yùn)算復(fù)雜度分析

    以上優(yōu)化求解算法計(jì)算量主要集中于Hessian矩陣H(sl)的求逆,由上面的推導(dǎo)可知,H(sl)是大小為HK×HK的矩陣,用常用的Cholesky分解,每次迭代中均需要運(yùn)行(HK)3/3+2(HK)2次乘法運(yùn)算,算法運(yùn)算量過(guò)大。

    為解決Hessian矩陣求逆所引起的運(yùn)算量大的問(wèn)題,本文算法在第l+1次迭代運(yùn)算中求解sl+1時(shí),采用共軛梯度法(conjugate gradient algorithm, CGA)求解。

    H(sl)sl+1=2A-Hy(22)

    Hessian矩陣在每次迭代中均需要進(jìn)行更新H(sl)=2A-HA-+ρΛ(sl),在第l+1次迭代中,CGA需要完成下列方程的多次重復(fù)計(jì)算:

    H(sl)s^=2A-HA-s^+ρΛ(sl)s^(23)

    式中:s^為迭代更新值。利用分塊對(duì)角矩陣的性質(zhì),式(23)第1項(xiàng)可表示為

    2A-HA-s^=2diag{AH …AH}diag{A …A}s^=

    2diag{AHA …AHA}s^=2s^(24)

    式(23)第2項(xiàng)中Λ(sl)可表示為對(duì)角矩陣Λ(sl)=diag[1/|s(hk)|2+τ],因此Λ(sl)s^是對(duì)角線上的HK個(gè)元素組成的向量與向量s^的Hadamard乘積,通過(guò)HK次乘法即能獲得矩陣相乘結(jié)果。

    由于優(yōu)化算法中主要運(yùn)算量為乘法運(yùn)算,利用所提出的快速求解算法,算法運(yùn)算復(fù)雜度為O(HK),相比于直接矩陣運(yùn)算,運(yùn)算復(fù)雜度降低了兩個(gè)數(shù)量級(jí)。

    BFGS和OMP也可以利用上述的快速矩陣乘法來(lái)提高運(yùn)算效率。對(duì)于BFGS算法來(lái)說(shuō),算法主要運(yùn)算量為每次迭代中的內(nèi)積運(yùn)算以及ΔJs*(sl)的更新,由以上推導(dǎo)可知,ΔJs*(s)=H(s)s-2A-Hy,H(s)s可利用上述的快速矩陣運(yùn)算提高運(yùn)算效率,BFGS算法的運(yùn)算量為O(HK2)。OMP算法的主要運(yùn)算量集中于最大相關(guān)運(yùn)算和最小二乘估計(jì),在每次迭代中,最大相關(guān)法運(yùn)算量為O(HK),在第l次迭代運(yùn)算中,最小二乘法運(yùn)算量為O(HKl),因此OMP的運(yùn)算量為O(HK)。

    3 實(shí)驗(yàn)仿真與結(jié)果分析

    仿真實(shí)驗(yàn)中聲速為1 500 m/s,信號(hào)載頻為1 kHz,半波長(zhǎng)為0.75 m。假定陣列為長(zhǎng)度為24 m的隨機(jī)布放直線陣列,陣元個(gè)數(shù)M=8。各陣元接收數(shù)據(jù)中加入均值為0的高斯白噪聲,SNR為0~10 dB。

    首先進(jìn)行單目標(biāo)仿真,水聲目標(biāo)的真實(shí)角度為0°,快拍次數(shù)K=16,SNR為10 dB,圖1給出了DAS、MVDR、MUSIC以及所提CS算法的空間譜估計(jì)結(jié)果。本實(shí)驗(yàn)的CS算法以DAS算法結(jié)果為初始值,通過(guò)第2.2節(jié)介紹的正則化系數(shù)估計(jì)方法可得ρ=1.5,設(shè)τ=0.01,[-90°, 90°]角度范圍內(nèi)劃分網(wǎng)格數(shù)為360。從圖1中可以看出,對(duì)于稀疏布放陣列,基于CS的DOA估計(jì)算法能準(zhǔn)確估計(jì)出目標(biāo)角度,峰值旁瓣電平約為-70 dB,遠(yuǎn)低于DAS、MVDR和MUSIC算法。表1給出了各算法進(jìn)行200次蒙特卡羅實(shí)驗(yàn)的平均運(yùn)算時(shí)間,結(jié)果表明,DAS算法運(yùn)算復(fù)雜度最低,MVDR算法由于矩陣求逆操作,運(yùn)算復(fù)雜度高于DAS算法,MUSIC算法由于譜峰搜索,所需計(jì)算時(shí)間遠(yuǎn)高于其他算法,而所提CS算法利用了CGA和Hadamard乘積,可獲得較高的運(yùn)算效率。

    圖2給出了角度均方誤差隨SNR的變化,實(shí)驗(yàn)次數(shù)為200次,SNR在0 dB到10 dB之間,間隔為2 dB。由于陣列是稀疏的,在低SNR下,DAS算法失效,無(wú)法準(zhǔn)確估計(jì)目標(biāo)角度。MUSIC算法由于快拍數(shù)較少以及目標(biāo)數(shù)量未知,無(wú)法獲得有效的目標(biāo)角度,MVDR算法和所提CS算法的角度估計(jì)均方誤差較低,在低SNR下依然能獲得高精度角度估計(jì)結(jié)果。

    接下來(lái),為驗(yàn)證算法的稀疏恢復(fù)性能,在不同陣元數(shù)下對(duì)各算法進(jìn)行實(shí)驗(yàn)分析。圖3給出了角度估計(jì)均方誤差與陣元數(shù)之間的關(guān)系,選取陣元數(shù)6到16進(jìn)行實(shí)驗(yàn),陣元隨機(jī)布放,SNR為10 dB,快拍數(shù)為16。從結(jié)果可以看出,在陣元數(shù)大于10時(shí),DAS、MVDR以及CS算法角度估計(jì)均方誤差小,MUSIC在低快拍條件下欠穩(wěn)健,而本文所提CS算法在陣元數(shù)為6時(shí)仍能以較高精度獲得目標(biāo)角度。結(jié)果表明,所提算法在保證高精度角度估計(jì)的前提下可降低陣元數(shù)量。

    最后,通過(guò)多目標(biāo)角度估計(jì)驗(yàn)證算法的超分辨性能,圖4(a)中的兩個(gè)目標(biāo)角度分別為-5°和5°,圖4(b)中兩個(gè)目標(biāo)角度分別為-3°和3°。從圖4(a)中的結(jié)果可以看出,CS算法估計(jì)結(jié)果主瓣最尖銳,角度分辨率最高,MUSIC由于目標(biāo)數(shù)量未知以及快拍數(shù)較少,無(wú)法準(zhǔn)確恢復(fù)目標(biāo)角度,雖然DAS算法和MVDR算法可恢復(fù)出兩個(gè)目標(biāo),但是由于旁瓣較高,在兩個(gè)目標(biāo)間產(chǎn)生了一個(gè)虛假目標(biāo),當(dāng)兩個(gè)目標(biāo)進(jìn)一步靠近,角度為-3°和3°時(shí),DAS和MVDR算法均已無(wú)法分辨兩個(gè)目標(biāo),而本文所提算法依然能獲得良好的角度估計(jì)結(jié)果。結(jié)果表明,對(duì)于多目標(biāo)應(yīng)用場(chǎng)景,所提算法可實(shí)現(xiàn)臨近目標(biāo)的超分辨估計(jì)。圖5給出了角度估計(jì)的均方誤差隨兩個(gè)角度間隔(角度分辨率)的變化曲線,實(shí)驗(yàn)次數(shù)為200次,角度分辨率在6°到18°之間,間隔為4°。隨著角度間隔的降低,算法的估計(jì)精度越來(lái)越低,所提CS算法利用稀疏優(yōu)化重構(gòu),在兩個(gè)目標(biāo)相鄰較近時(shí),依然能獲得高精度角度估計(jì)結(jié)果,算法超分辨效果顯著。

    4 實(shí)驗(yàn)數(shù)據(jù)處理分析

    為驗(yàn)證提出的基于CS的超分辨角度估計(jì)算法的性能,采用千島湖的某次湖試的數(shù)據(jù)進(jìn)行處理和分析。聲速剖面如圖6所示,實(shí)驗(yàn)場(chǎng)景中分別有單個(gè)和兩個(gè)實(shí)測(cè)目標(biāo),采用的換能器組組成了一個(gè)6元均勻直線陣列,陣列水平排布,陣元間隔為0.2 m。試驗(yàn)當(dāng)天水面浪高小于0.3 m且陣風(fēng),無(wú)過(guò)往船只,SNR約為-8 dB。系統(tǒng)發(fā)射信號(hào)為連續(xù)波,利用16個(gè)快拍數(shù)據(jù)對(duì)目標(biāo)進(jìn)行角度估計(jì)。正則化系數(shù)估計(jì)值為ρ=2.3。

    圖7給出的是實(shí)驗(yàn)數(shù)據(jù)的角度估計(jì)的結(jié)果。由圖7可知,當(dāng)場(chǎng)景中只有單個(gè)目標(biāo)時(shí),采用傳統(tǒng)的DAS估計(jì)技術(shù)時(shí)分辨率低,水下強(qiáng)噪聲使算法很難產(chǎn)生足夠明顯的峰值,從而嚴(yán)重影響了MUSIC算法的角度估計(jì)結(jié)果。相比于MUSIC算法,MVDR算法可得到高峰值空間譜,峰值旁瓣電平約為-50 dB,通過(guò)利用稀疏重構(gòu)方法,基于CS的算法即使在強(qiáng)噪聲水下環(huán)境中,依然能獲得目標(biāo)的高峰值空間譜,峰值旁瓣電平約為-70 dB。

    圖8(a)給出了角度為-5°和5°的多目標(biāo)角度估計(jì)結(jié)果,圖8(b)給出了角度為-3°和3°的多目標(biāo)角度估計(jì)結(jié)果,通過(guò)多目標(biāo)角度估計(jì)結(jié)果驗(yàn)證算法的超分辨性能。當(dāng)兩個(gè)目標(biāo)角度為-5°和5°時(shí),MUSIC算法無(wú)法確定目標(biāo)點(diǎn)位置峰值,DAS算法和MVDR算法雖然在目標(biāo)位置有峰值,但是在其他角度也同樣產(chǎn)生了高峰值空間譜,這會(huì)造成后續(xù)檢測(cè)中出現(xiàn)虛警。本文所提算法可獲得兩個(gè)目標(biāo)角度的高分辨估計(jì)結(jié)果,峰值旁瓣電平約為-60 dB。當(dāng)兩個(gè)目標(biāo)角度繼續(xù)靠近,角度為-3°和3°時(shí),圖6(b)中DAS、MVDR以及MUSIC算法在非目標(biāo)位置產(chǎn)生了高峰值空間譜,大量的虛假峰值造成檢測(cè)算法無(wú)法獲得正確的目標(biāo)角度信息,所提CS算法依然可以分辨出兩個(gè)目標(biāo),峰值旁瓣電平約為-50 dB。

    5 結(jié)束語(yǔ)

    本文提出了基于CS的超分辨DOA估計(jì)算法,能有效提高目標(biāo)角度估計(jì)精度,具有復(fù)雜度低、分辨率高、魯棒性強(qiáng)的優(yōu)點(diǎn)。該算法利用目標(biāo)空間域稀疏先驗(yàn)將目標(biāo)角度估計(jì)問(wèn)題建模為優(yōu)化問(wèn)題,并通過(guò)貝葉斯CS理論推導(dǎo)了正則化系數(shù),保證了算法的噪聲抑制性能,設(shè)計(jì)了高效的迭代算法,運(yùn)算復(fù)雜度低。算法可利用較少陣元數(shù)和較少快拍實(shí)現(xiàn)高精度的目標(biāo)角度估計(jì)。該算法性能優(yōu)于傳統(tǒng)算法,特別是在低SNR、有限陣元以及較少快拍條件下優(yōu)于MVDR算法和MUSIC算法,有更尖銳的空間譜峰值。仿真和實(shí)測(cè)實(shí)驗(yàn)驗(yàn)證了該算法的有效性。未來(lái)將會(huì)根據(jù)水下探測(cè)的實(shí)際需求,將算法推廣到多種陣型,并且聯(lián)合距離維信息,實(shí)現(xiàn)對(duì)多目標(biāo)、群目標(biāo)的高精度位置估計(jì)。

    參考文獻(xiàn)

    [1]陳世進(jìn), 閆晟, 郝程鵬, 等. 一種適用于多輸入多輸出聲吶的穩(wěn)健空時(shí)自適應(yīng)檢測(cè)方法[J]. 聲學(xué)學(xué)報(bào), 2022, 47(6): 777-788.

    CHEN S J, YAN S, HAO C P, et al. A robust space-time adaptive detection method for multiple-input multiple-output sonar[J]. Chinese Journal of Acoustics, 2022, 47(6): 777-788.

    [2]CAPON J. High-resolution frequency-wavenumber spectrum analysis[J]. Proceedings of the IEEE,1969, 57(8): 1408-1418.

    [3]SCHMIDT R. Multiple emitter location and signal parameter estimation[J]. IEEE Trans.on Antennas and Propagation, 1986, 34(3): 276-280.

    [4]VANDERVEEN M C, VEEN A J, PAULRAJ A. Estimation of multipath parameters in wireless communications[J]. IEEE Trans.on Signal Processing, 1998, 46(3): 682-690.

    [5]RAO B D, HARI K V S. Performance analysis of root-MUSIC[J]. IEEE Trans.on Acoustics Speech and Signal Processing, 1989, 37(12): 1939-1949.

    [6]ZHOU C, SHI Z, GU Y. Coprime array adaptive beamforming with enhanced degrees of freedom capability[C]∥Proc.of the IEEE Radar Conference, 2017.

    [7]HE K, XIANG J, HAN P, et al. Performance analysis of MUSIC for arbitary array[J]. Computer Measurement and Control, 2010, 18(3): 688-690.

    [8]DONOHO D. Compressed sensing[J]. IEEE Trans.on Information Theory, 2006, 52(4): 5406-5425.

    [9]CANDES E, ROMBERG J, TAO T. Stable signal recovery from incomplete and inaccurate measurements[J]. Communications on Pure and Applied Mathematics, 2006, 59(8): 1207-1223.

    [10]ZHENG Z, YANG T C, GERSTOFT P. Joint towed array shape and directions of arrival estimation using sparse Bayesian learning during maneuvering[J]. The Journal of the Acoustical Society of America, 2020, 147(3): 1738-1751.

    [11]PING G, FERNANDEZ-GRANDE E, GERSTOFT P. Three-dimensional source localization using sparse Bayesian learning on a spherical microphone array[J]. The Journal of the Acoustical Society of America, 2020, 147(6): 3895-3904.

    [12]虞飛, 余赟, 周利輝, 等. 一種不依賴超參數(shù)的稀疏信號(hào)單快拍DOA估計(jì)方法[J]. 系統(tǒng)工程與電子技術(shù), 2021, 43(4): 894-900.

    YU F, YU Y, ZHOU L H, et al. Hyperparameter-free sparse signal direction-of-arrival estimation method with single-snapshot[J]. Systems Engineering and Electronics, 2021, 43(4): 894-900.

    [13]李洪濤, 賀亞鵬, 顧陳, 等, 基于壓縮感知的單快拍自適應(yīng)波束形成算法[J]. 南京理工大學(xué)學(xué)報(bào), 2012, 36(1): 91-95.

    LI H T, HE Y P, GU C, et al. Compressive sensing based single-snapshot adaptive beamforming algorithm[J]. Journal of Nanjing University of Science and Technology, 2012, 36(1): 91-95.

    [14]COTTER S F, RAO B D, ENGAN K, et al. Sparse solutions to linear inverse problems with multiple measurement vectors[J]. IEEE Trans.on Signal Processing, 2005, 53(7): 2477-2488.

    [15]MALIOUTOV D, ?ETIN M, WILLSKY A S. A sparse signal reconstruction perspective for source localization with sensor arrays[J]. IEEE Trans.on Signal Processing, 2005, 53(8): 3010-3022.

    [16]TROPP J A, GILBERT A C. Signal recovery from random measurements via orthogonal matching pursuit[J]. IEEE Trans.on Information Theory, 2007, 53(12): 4655-4666.

    [17]NOCEDAL J, WRIGHT S J. Numerical optimization[M]. 2nd ed. Springer: New York, 2000.

    [18]陳力恒, 馬曉川, 李璇, 等, 結(jié)合壓縮感知模型的稀疏陣列波束形成方法[J]. 信號(hào)處理, 2020, 36(4): 475-485.

    CHEN L H, MA X C, LI X, et al. Sparse array beamforming method combined with compressed sensing model[J]. Journal of Signal Processing, 2020, 36(4): 475-485.

    [19]MALLAT S, ZHANG Z. Matching pursuits with time frequency dictionaries[J]. IEEE Trans.on Signal Processing, 1993, 41(12): 3397-3415.

    [20]任明健, 胡國(guó)平, 周豪, 等. 基于耦合張量分解的稀疏陣列二維DOA估計(jì)算法[J]. 系統(tǒng)工程與電子技術(shù), 2023, 45(4): 958-964.

    REN M J, HU G P, ZHOU H, et al. DOA estimation algorithm with two-dimensional sparse array based on coupling tensor decomposition[J]. Systems Engineering and Electronics, 2023, 45(4): 958-964.

    [21]JI S H, XUE Y, CARIN L. Bayesian compressive sensing[J]. IEEE Trans.on Signal Processing, 2008, 56(6): 2346-2356.

    [22]ZHOU H, ALEXANDER D, LANGE K. A quasi-Newton acceleration for high-dimensional optimization algorithms[J]. Statistics and Computing, 2011, 21(2): 261-273.

    [23]WU M, ZHANG L, XIA X G, et al. Phase adjustment for polarimetric ISAR with compressive sensing[J]. IEEE Trans.on Aerospace and Electronic Systems, 2016, 52(4): 1592-1606.

    作者簡(jiǎn)介

    吳 敏(1988—),女,副研究員,博士,主要研究方向?yàn)樗曅盘?hào)處理、目標(biāo)探測(cè)與成像、新體制聲納信號(hào)處理。

    黎子浩(1996—),男,博士研究生,主要研究方向?yàn)樗曅盘?hào)處理。

    郝程鵬(1975—),男,研究員,博士,主要研究方向?yàn)樗曅盘?hào)處理、陣列信號(hào)處理、信號(hào)檢測(cè)。

    胡 橋(1977—),男,研究員,教授,博士研究生導(dǎo)師,博士,主要研究方向?yàn)樗憙蓷律鷻C(jī)器人、水下機(jī)器人集群信號(hào)處理。

    久久精品熟女亚洲av麻豆精品| 一级毛片我不卡| 丰满迷人的少妇在线观看| 超碰av人人做人人爽久久| 性色avwww在线观看| 韩国高清视频一区二区三区| 韩国高清视频一区二区三区| 热re99久久精品国产66热6| 成年免费大片在线观看| 成人一区二区视频在线观看| 22中文网久久字幕| 麻豆国产97在线/欧美| 中文字幕精品免费在线观看视频 | 深夜a级毛片| 国产精品三级大全| 欧美xxxx性猛交bbbb| 国产大屁股一区二区在线视频| 人人妻人人看人人澡| 国产女主播在线喷水免费视频网站| 一本—道久久a久久精品蜜桃钙片| 91久久精品国产一区二区成人| 热re99久久精品国产66热6| 亚洲欧美成人精品一区二区| 婷婷色麻豆天堂久久| 又粗又硬又长又爽又黄的视频| 国语对白做爰xxxⅹ性视频网站| 国产91av在线免费观看| 国产男女超爽视频在线观看| 一本色道久久久久久精品综合| 欧美日韩视频高清一区二区三区二| 十分钟在线观看高清视频www | 各种免费的搞黄视频| 亚洲欧洲国产日韩| 国产一区亚洲一区在线观看| 女性被躁到高潮视频| 国产乱人偷精品视频| 免费看光身美女| 日本与韩国留学比较| 中国国产av一级| 在线免费观看不下载黄p国产| 秋霞伦理黄片| 亚洲精品日韩在线中文字幕| 日韩av免费高清视频| 婷婷色综合www| 97在线人人人人妻| 欧美区成人在线视频| 九九久久精品国产亚洲av麻豆| 91在线精品国自产拍蜜月| 免费看日本二区| 麻豆成人av视频| 在线观看免费日韩欧美大片 | 免费不卡的大黄色大毛片视频在线观看| 亚洲婷婷狠狠爱综合网| 老女人水多毛片| 老司机影院毛片| 99久久精品热视频| 国产精品熟女久久久久浪| 91精品一卡2卡3卡4卡| 三级国产精品欧美在线观看| 一级片'在线观看视频| 精品久久久精品久久久| 久久精品国产a三级三级三级| 看十八女毛片水多多多| 一本—道久久a久久精品蜜桃钙片| 亚洲欧美清纯卡通| 日韩欧美一区视频在线观看 | 五月玫瑰六月丁香| 国产精品熟女久久久久浪| 国产色婷婷99| 婷婷色麻豆天堂久久| 噜噜噜噜噜久久久久久91| 韩国av在线不卡| 欧美日本视频| 免费播放大片免费观看视频在线观看| 午夜福利影视在线免费观看| 亚洲精品一区蜜桃| 永久免费av网站大全| 亚洲内射少妇av| 国产美女午夜福利| 内射极品少妇av片p| 免费观看a级毛片全部| 天美传媒精品一区二区| 高清在线视频一区二区三区| 边亲边吃奶的免费视频| 日本猛色少妇xxxxx猛交久久| a 毛片基地| 人妻 亚洲 视频| 91午夜精品亚洲一区二区三区| 欧美另类一区| 久久人人爽人人片av| 久久亚洲国产成人精品v| 亚洲熟女精品中文字幕| 最后的刺客免费高清国语| 又黄又爽又刺激的免费视频.| 夜夜看夜夜爽夜夜摸| 五月玫瑰六月丁香| 日本黄色片子视频| 久久久久久久久久人人人人人人| av又黄又爽大尺度在线免费看| 色婷婷久久久亚洲欧美| 久久av网站| 免费观看a级毛片全部| 毛片一级片免费看久久久久| 中文字幕久久专区| 男人舔奶头视频| 亚洲国产精品一区三区| 精品亚洲乱码少妇综合久久| 美女脱内裤让男人舔精品视频| av又黄又爽大尺度在线免费看| 国产人妻一区二区三区在| 赤兔流量卡办理| 国产午夜精品久久久久久一区二区三区| 日韩成人av中文字幕在线观看| 纯流量卡能插随身wifi吗| 黄色日韩在线| 男女边吃奶边做爰视频| 午夜精品国产一区二区电影| 制服丝袜香蕉在线| 综合色丁香网| 观看免费一级毛片| 两个人的视频大全免费| 啦啦啦中文免费视频观看日本| 中文字幕亚洲精品专区| 寂寞人妻少妇视频99o| 有码 亚洲区| 99热6这里只有精品| kizo精华| 五月伊人婷婷丁香| 五月天丁香电影| videos熟女内射| 亚洲最大成人中文| 免费不卡的大黄色大毛片视频在线观看| 亚洲欧美中文字幕日韩二区| 国产成人一区二区在线| 亚洲国产精品专区欧美| 一本一本综合久久| 欧美人与善性xxx| 搡女人真爽免费视频火全软件| 插阴视频在线观看视频| 亚洲精华国产精华液的使用体验| 免费观看a级毛片全部| 久久午夜福利片| 一级爰片在线观看| 深夜a级毛片| 欧美xxxx黑人xx丫x性爽| 精品久久久噜噜| 亚洲精品日韩在线中文字幕| 美女福利国产在线 | 亚洲av成人精品一二三区| 夜夜骑夜夜射夜夜干| 久久久精品免费免费高清| 日本与韩国留学比较| 天天躁日日操中文字幕| 80岁老熟妇乱子伦牲交| av免费观看日本| 美女内射精品一级片tv| 另类亚洲欧美激情| 日韩伦理黄色片| 最近手机中文字幕大全| 亚洲,欧美,日韩| 亚洲国产精品专区欧美| 国产视频内射| 99视频精品全部免费 在线| 一边亲一边摸免费视频| 成年av动漫网址| 身体一侧抽搐| 久久97久久精品| 乱码一卡2卡4卡精品| 久久热精品热| 欧美日韩国产mv在线观看视频 | 亚洲色图综合在线观看| 国产高清三级在线| 欧美精品一区二区免费开放| 毛片女人毛片| 久久久久久久久久成人| 日韩中文字幕视频在线看片 | 九九久久精品国产亚洲av麻豆| 麻豆成人午夜福利视频| 三级经典国产精品| 噜噜噜噜噜久久久久久91| 高清毛片免费看| 亚洲精品aⅴ在线观看| 少妇裸体淫交视频免费看高清| 久久精品国产鲁丝片午夜精品| 国产女主播在线喷水免费视频网站| 在线观看美女被高潮喷水网站| 精品人妻一区二区三区麻豆| 国产一区二区三区av在线| 国语对白做爰xxxⅹ性视频网站| 久久毛片免费看一区二区三区| 亚洲av成人精品一二三区| 丝袜脚勾引网站| 免费看光身美女| 精品午夜福利在线看| 久久99热6这里只有精品| 人人妻人人澡人人爽人人夜夜| 国产国拍精品亚洲av在线观看| 国产一级毛片在线| 在线观看av片永久免费下载| 国模一区二区三区四区视频| 国产一区二区三区综合在线观看 | 国内揄拍国产精品人妻在线| 国产视频内射| 欧美精品一区二区大全| 大片免费播放器 马上看| 人妻 亚洲 视频| 少妇人妻 视频| 熟女人妻精品中文字幕| 熟女电影av网| 国产高清有码在线观看视频| 80岁老熟妇乱子伦牲交| 日韩中文字幕视频在线看片 | 一本—道久久a久久精品蜜桃钙片| 麻豆精品久久久久久蜜桃| 大陆偷拍与自拍| 国产视频首页在线观看| 99久久人妻综合| 日韩一本色道免费dvd| 国产成人a∨麻豆精品| 午夜视频国产福利| 日本vs欧美在线观看视频 | 蜜桃在线观看..| 国产成人免费观看mmmm| 免费看av在线观看网站| 国产爱豆传媒在线观看| 99久久精品国产国产毛片| 欧美激情国产日韩精品一区| 男女国产视频网站| av在线老鸭窝| 一区在线观看完整版| 日本欧美国产在线视频| 日韩,欧美,国产一区二区三区| av又黄又爽大尺度在线免费看| 香蕉精品网在线| 国产高潮美女av| 欧美zozozo另类| 午夜视频国产福利| 啦啦啦在线观看免费高清www| 男人狂女人下面高潮的视频| 2022亚洲国产成人精品| 简卡轻食公司| 国产熟女欧美一区二区| 亚洲aⅴ乱码一区二区在线播放| 国产伦精品一区二区三区四那| 国产精品av视频在线免费观看| 少妇人妻精品综合一区二区| 国产熟女欧美一区二区| 一区二区三区四区激情视频| 97超碰精品成人国产| 国产精品一及| 精品99又大又爽又粗少妇毛片| 日韩一本色道免费dvd| 欧美成人一区二区免费高清观看| 久久久久国产网址| 欧美一区二区亚洲| 国产av一区二区精品久久 | 国产91av在线免费观看| 国产一区二区三区av在线| 成年人午夜在线观看视频| 亚洲av二区三区四区| 久久ye,这里只有精品| 少妇精品久久久久久久| 日本wwww免费看| 韩国av在线不卡| 欧美xxⅹ黑人| 婷婷色综合www| 国产在线免费精品| 观看美女的网站| 亚洲三级黄色毛片| 99热网站在线观看| 亚洲美女搞黄在线观看| 亚洲成人中文字幕在线播放| 国产黄色视频一区二区在线观看| av在线蜜桃| 美女内射精品一级片tv| 女性生殖器流出的白浆| 国产av国产精品国产| 国产午夜精品一二区理论片| 午夜激情久久久久久久| 亚洲国产毛片av蜜桃av| 久久久久久久久大av| 美女视频免费永久观看网站| 欧美精品一区二区免费开放| 建设人人有责人人尽责人人享有的 | 欧美人与善性xxx| 亚洲国产欧美人成| 美女中出高潮动态图| 久久久成人免费电影| 久久精品久久久久久久性| 午夜福利高清视频| 女性被躁到高潮视频| 久久久久久久久久人人人人人人| 毛片一级片免费看久久久久| 成人免费观看视频高清| 精品少妇久久久久久888优播| 久热这里只有精品99| 国产一区亚洲一区在线观看| 国产一区有黄有色的免费视频| 日韩伦理黄色片| 欧美3d第一页| 亚洲精品,欧美精品| a 毛片基地| 午夜福利在线观看免费完整高清在| 久久国产亚洲av麻豆专区| 国产在线男女| 97在线视频观看| 免费少妇av软件| 99久久精品热视频| 久久久久久久久久久丰满| 亚洲熟女精品中文字幕| 国产一级毛片在线| 哪个播放器可以免费观看大片| 免费黄色在线免费观看| 国产黄色免费在线视频| 狂野欧美白嫩少妇大欣赏| 亚洲电影在线观看av| 18禁在线无遮挡免费观看视频| 内射极品少妇av片p| 在线观看国产h片| 久久国产精品男人的天堂亚洲 | 久久毛片免费看一区二区三区| 又粗又硬又长又爽又黄的视频| 新久久久久国产一级毛片| 成人国产麻豆网| 晚上一个人看的免费电影| av在线观看视频网站免费| 国产 精品1| 寂寞人妻少妇视频99o| 亚洲综合精品二区| 大陆偷拍与自拍| 男男h啪啪无遮挡| 99国产精品免费福利视频| 一级毛片电影观看| 欧美高清成人免费视频www| 久久久国产一区二区| 国产成人a区在线观看| 高清日韩中文字幕在线| 涩涩av久久男人的天堂| 一本色道久久久久久精品综合| 精品人妻一区二区三区麻豆| 国产精品国产三级国产av玫瑰| 久久精品国产鲁丝片午夜精品| 国内揄拍国产精品人妻在线| 丝瓜视频免费看黄片| 黄片wwwwww| 成人二区视频| av免费观看日本| 成人二区视频| 国产精品福利在线免费观看| 超碰97精品在线观看| 蜜臀久久99精品久久宅男| 国产精品久久久久久精品电影小说 | 欧美性感艳星| 91狼人影院| 在线观看国产h片| 精品一品国产午夜福利视频| 草草在线视频免费看| 99热这里只有是精品在线观看| 国产精品99久久久久久久久| 18+在线观看网站| 婷婷色麻豆天堂久久| 亚洲欧美中文字幕日韩二区| 亚洲成人av在线免费| 国产黄片视频在线免费观看| 又黄又爽又刺激的免费视频.| 日本wwww免费看| 国产精品国产三级国产专区5o| 纵有疾风起免费观看全集完整版| 18禁裸乳无遮挡免费网站照片| www.av在线官网国产| av网站免费在线观看视频| 免费观看性生交大片5| 欧美高清成人免费视频www| 国产亚洲91精品色在线| 亚洲图色成人| 精品人妻视频免费看| 韩国av在线不卡| 国产永久视频网站| 亚洲精品国产av成人精品| 精品酒店卫生间| 青青草视频在线视频观看| 欧美变态另类bdsm刘玥| 97超视频在线观看视频| 如何舔出高潮| 亚洲av国产av综合av卡| 日本欧美国产在线视频| 久久国产精品大桥未久av | 在线观看国产h片| 国产 一区 欧美 日韩| 久久国产乱子免费精品| 精品人妻熟女av久视频| 色综合色国产| 亚洲精品国产色婷婷电影| 亚洲第一av免费看| 亚洲一级一片aⅴ在线观看| 欧美极品一区二区三区四区| 免费人妻精品一区二区三区视频| 黄色视频在线播放观看不卡| av在线蜜桃| 高清不卡的av网站| 在线播放无遮挡| 精品久久国产蜜桃| 一个人免费看片子| 99热国产这里只有精品6| 少妇熟女欧美另类| 肉色欧美久久久久久久蜜桃| 天堂8中文在线网| 夜夜爽夜夜爽视频| 少妇丰满av| 国产精品久久久久久精品电影小说 | 日本与韩国留学比较| 国产片特级美女逼逼视频| 国产成人freesex在线| 又粗又硬又长又爽又黄的视频| 蜜桃久久精品国产亚洲av| 亚洲av国产av综合av卡| 国语对白做爰xxxⅹ性视频网站| 精品少妇黑人巨大在线播放| 男女边吃奶边做爰视频| 国产大屁股一区二区在线视频| 少妇人妻一区二区三区视频| 日韩 亚洲 欧美在线| 精品国产一区二区三区久久久樱花 | 欧美zozozo另类| 中国美白少妇内射xxxbb| 亚洲国产欧美人成| 伦精品一区二区三区| 亚洲,一卡二卡三卡| 黄色日韩在线| 男人爽女人下面视频在线观看| 亚洲精品乱码久久久久久按摩| 麻豆精品久久久久久蜜桃| 日本午夜av视频| 国产在线一区二区三区精| 黑人高潮一二区| 国产日韩欧美在线精品| 丰满人妻一区二区三区视频av| 91精品国产九色| 这个男人来自地球电影免费观看 | 欧美日韩视频高清一区二区三区二| 免费大片黄手机在线观看| 国模一区二区三区四区视频| 交换朋友夫妻互换小说| 亚洲成人一二三区av| 搡女人真爽免费视频火全软件| 国产色爽女视频免费观看| 国产精品免费大片| 欧美激情国产日韩精品一区| av国产久精品久网站免费入址| 日本-黄色视频高清免费观看| 亚洲国产色片| 国产一区二区三区av在线| 亚洲精品乱码久久久v下载方式| 80岁老熟妇乱子伦牲交| 欧美性感艳星| 一个人看的www免费观看视频| 久久午夜福利片| av在线蜜桃| 国产精品国产三级国产专区5o| 日韩中字成人| 老师上课跳d突然被开到最大视频| 国产亚洲欧美精品永久| 国产毛片在线视频| 在线观看免费高清a一片| 亚洲国产高清在线一区二区三| 欧美精品亚洲一区二区| 一区在线观看完整版| 中文字幕人妻熟人妻熟丝袜美| 一边亲一边摸免费视频| 欧美人与善性xxx| 欧美日韩视频高清一区二区三区二| 久久毛片免费看一区二区三区| av一本久久久久| 精品一品国产午夜福利视频| 少妇的逼好多水| 一级爰片在线观看| av一本久久久久| 黄色一级大片看看| 日本欧美国产在线视频| 亚洲精品,欧美精品| 久久精品国产亚洲av天美| xxx大片免费视频| 91精品一卡2卡3卡4卡| 国产成人a∨麻豆精品| 我的老师免费观看完整版| 青春草国产在线视频| 国产精品av视频在线免费观看| 成人综合一区亚洲| 天堂8中文在线网| 人体艺术视频欧美日本| 欧美精品亚洲一区二区| 欧美bdsm另类| 久久国产精品男人的天堂亚洲 | 夫妻性生交免费视频一级片| 日韩欧美精品免费久久| 亚洲av中文av极速乱| 精品99又大又爽又粗少妇毛片| 亚洲av福利一区| 伦精品一区二区三区| av国产久精品久网站免费入址| 22中文网久久字幕| 午夜精品国产一区二区电影| 国产亚洲91精品色在线| 内射极品少妇av片p| 国产在视频线精品| 午夜日本视频在线| 亚洲美女搞黄在线观看| 亚洲国产欧美人成| 国产成人精品福利久久| 久久久色成人| 成人黄色视频免费在线看| 免费黄频网站在线观看国产| 激情五月婷婷亚洲| 国产精品一区二区在线观看99| 下体分泌物呈黄色| 26uuu在线亚洲综合色| 国产免费又黄又爽又色| 久久久久人妻精品一区果冻| 99re6热这里在线精品视频| 一二三四中文在线观看免费高清| 久久久久久久久久久免费av| 色婷婷av一区二区三区视频| 久久久久久久精品精品| 精品视频人人做人人爽| xxx大片免费视频| 美女中出高潮动态图| 亚洲精品国产成人久久av| 99国产精品免费福利视频| 中国国产av一级| 亚洲精品一二三| 少妇裸体淫交视频免费看高清| 青春草国产在线视频| 国产亚洲5aaaaa淫片| 久久精品夜色国产| 午夜日本视频在线| 51国产日韩欧美| 久久久午夜欧美精品| 欧美丝袜亚洲另类| 国产极品天堂在线| 干丝袜人妻中文字幕| 日本色播在线视频| 亚洲国产成人一精品久久久| 一区二区av电影网| 中文在线观看免费www的网站| 精品午夜福利在线看| 精品一品国产午夜福利视频| 91久久精品国产一区二区三区| 亚洲av二区三区四区| 最近手机中文字幕大全| 成年美女黄网站色视频大全免费 | 男的添女的下面高潮视频| 97精品久久久久久久久久精品| 精品人妻视频免费看| 国产日韩欧美在线精品| 久久97久久精品| 22中文网久久字幕| 亚洲国产精品国产精品| 丰满迷人的少妇在线观看| av.在线天堂| 蜜桃亚洲精品一区二区三区| 日韩av免费高清视频| 久久久久久久久久久免费av| 久久人人爽人人片av| 日韩大片免费观看网站| 伊人久久精品亚洲午夜| 国产精品久久久久久精品电影小说 | 国产美女午夜福利| 美女国产视频在线观看| 人人妻人人爽人人添夜夜欢视频 | 久热久热在线精品观看| 一边亲一边摸免费视频| 波野结衣二区三区在线| 性色av一级| 在线观看三级黄色| 性高湖久久久久久久久免费观看| 欧美xxxx性猛交bbbb| 国产精品一及| 欧美人与善性xxx| 亚洲国产精品成人久久小说| 日韩制服骚丝袜av| 高清视频免费观看一区二区| 国产淫片久久久久久久久| 国产一区二区在线观看日韩| 午夜免费男女啪啪视频观看| 午夜老司机福利剧场| 亚洲av中文av极速乱| 少妇精品久久久久久久| 啦啦啦视频在线资源免费观看| 亚洲精品日韩在线中文字幕| 国产 一区 欧美 日韩| 亚洲色图综合在线观看| 男人舔奶头视频| av在线老鸭窝| 久久 成人 亚洲| 蜜臀久久99精品久久宅男| 在线观看人妻少妇| 一区二区三区四区激情视频| 男女啪啪激烈高潮av片| 尤物成人国产欧美一区二区三区| 久久综合国产亚洲精品| 身体一侧抽搐| 久久精品国产亚洲av天美| 青青草视频在线视频观看| 亚洲av欧美aⅴ国产| av在线app专区| 少妇裸体淫交视频免费看高清| 国产爱豆传媒在线观看| 最近最新中文字幕大全电影3| 久久6这里有精品| 日日啪夜夜撸| 夜夜爽夜夜爽视频| 欧美xxxx黑人xx丫x性爽| 深夜a级毛片| 另类亚洲欧美激情| 亚洲av免费高清在线观看|