• <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cSVB算法的DME脈沖干擾抑制方法

    2024-11-26 00:00:00李冬霞王佳妮彭祥清劉海濤王磊
    系統(tǒng)工程與電子技術 2024年8期
    關鍵詞:測距儀

    摘 要: 針對測距儀(distance measure equipment, DME)信號嚴重干擾L頻段數(shù)字航空通信系統(tǒng)(L-band digital aviation communication system, L-DACS)前向鏈路接收機的問題,提出基于相關稀疏變分貝葉斯(correlated sparse variational Bayesian, cSVB)算法的DME脈沖干擾抑制方法。所提方法利用L-DACS系統(tǒng)正交頻分復用(orthogonal frequency division multiplexing, OFDM)接收機的空子載波信息構建接收信號的壓縮感知方程;然后,根據(jù)cSVB算法進行三層次貝葉斯信號建模,最后選擇了兩種變體算法重構DME干擾信號,并將其從時域接收信號中去除。理論分析與仿真結果表明,所提出的干擾抑制方法可以充分利用信號先驗信息,進一步降低DME干擾信號估計的歸一化均方誤差,有效改善L-DACS系統(tǒng)的誤碼性能,提高傳輸可靠性。

    關鍵詞: L波段數(shù)字航空通信系統(tǒng); 測距儀; 塊稀疏貝葉斯; 變分貝葉斯推理

    中圖分類號: TN 973.3

    文獻標志碼: A

    DOI:10.12305/j.issn.1001-506X.2024.08.35

    DME pulse interference suppression method based on cSVB algorithm

    LI Dongxia*, WANG Jiani, PENG Xiangqing, LIU Haitao, WANG Lei

    (School of Electronic Information and Automation, Civil Aviation University of China, Tianjin 300300, China)

    Abstract: To solve the problem that the distance measure equipment (DME) signal seriously interferes with the forward link receiver of L-band digital aviation communication system (L-DACS), a DME pulse interference suppression method based on correlated sparse variational Bayesian (cSVB) algorithm is proposed. In this method, the empty subcarrier information of the orthogonal frequency division multiplexing (OFDM) receiver of L-DACS system is used to construct the compressed sensing equation of the received signal. Then, three-level Bayesian signal modeling is carried out according to the cSVB algorithm. Finally, two variant algorithms are selected to reconstruct DME interference signal and remove it from the received signal in the time domain. Theoretical analysis and simulation results show that the proposed interference suppression method can make full use of prior information and further reduce the normalized mean square error of DME interference signal estimation, effectively improve the error performance of L-DACS system, and enhance the transmission reliability.

    Keywords: L-band digital aviation communication system (L-DACS); distance measure equipment (DME); block sparse Bayesian; variational Bayesian inference

    0 引 言

    L頻段數(shù)字航空通信系統(tǒng)(L-band digital aviation communication system, L-DACS)已被國際民航組織確定為未來面向航路階段的空地寬帶數(shù)據(jù)鏈路[1,其前向鏈路采用正交頻分復用(orthogonal frequency division multiplexing, OFDM)技術[2。測距儀(distance measure equipment, DME)是工作在L頻段的重要民用航空陸基導航系統(tǒng)。為了提高頻譜利用率,L-DACS的工作頻段嵌套在測距儀兩個相鄰頻段之間[3。因此,在頻段邊緣處會發(fā)生兩個系統(tǒng)信號的頻譜混疊。研究表明,DME信號對相鄰頻段的L-DACS系統(tǒng)OFDM接收機造成嚴重干擾[4,導致其傳輸性能急劇下降。如何有效抑制DME干擾信號成為L-DACS系統(tǒng)應用研究的關鍵問題之一。

    DME信號在時域呈現(xiàn)為高斯脈沖對,并具有稀疏性?;谶@一時域特性,現(xiàn)有的DME脈沖干擾的抑制方法主要分為兩大類:一類是非線性抑制方法[5-8。該類方法是一種無記憶非線性映射,通過脈沖熄滅、脈沖限幅和聯(lián)合脈沖熄滅與限幅等非線性處理方法對高于給定閾值的DME脈沖干擾信號幅值進行限制,從而降低對L-DACS系統(tǒng)OFDM接收信號的影響;該類方法實現(xiàn)簡單,主要不足是門限設置困難,會產(chǎn)生子載波間干擾,通信性能相對較差。另外一類干擾抑制方法是使用稀疏信號重構技術重構DME干擾信號[9-11,將其從接收信號中去除從而實現(xiàn)干擾抑制?;谙∈柝惾~斯學習(sparse Bayesian learning,SBL)的貝葉斯壓縮感知方法由于具有較好的重構性能,在信號重構[12-13、光譜分析14-15、雷達成像16-17等方面得到廣泛應用?;赟BL算法實現(xiàn)DME信號重構和干擾的抑制方法也得到了國內(nèi)外研究人員的廣泛關注。

    SBL算法主要分為傳統(tǒng)SBL算法[18和具有塊內(nèi)相關性的塊SBL(block SBL, BSBL)算法[19。在利用傳統(tǒng)SBL算法實現(xiàn)DME信號重構方面,文獻[20]使用基于SBL的期望最大化(SBL-expectation maximization, SBL-EM)算法,在先驗信息未知的情況下,使用期望最大化(expectation maximization, EM)方法估計信號參數(shù),實現(xiàn)DME脈沖干擾的有效重構和去除。但該算法涉及矩陣反演運算,具有較高的復雜度和處理延遲,且隨著問題維數(shù)的增加,復雜度迅速增加。文獻[21]提出了一種高斯廣義近似消息傳遞SBL(Gaussian generalized approximate message pas-sing SBL, GGAMP-SBL)算法估計稀疏信號,該算法與SBL-EM算法相比,復雜度大大降低。在利用BSBL算法實現(xiàn)DME信號重構方面,文獻[10]將DME信號建模為塊稀疏信號,利用邊界優(yōu)化BSBL(BSBL-the bound optimization, BSBL-BO)算法對DME脈沖信號進行重構去除,該方法具有較好的收斂速度和重構效果。在此基礎上,文獻[11]考慮了信號塊未知的情景,優(yōu)化了信號塊劃分策略,提出了擴展BSBL-BO(expanded BSBL-BO, EBSBL-BO)算法的DME脈沖干擾抑制方法,進一步提高了DME信號重構精度,有效改善了L-DACS系統(tǒng)的接收性能。

    為了更充分地利用先驗信息,文獻[22]提出一類廣義的相關稀疏變分貝葉斯(correlated sparse variational Bayesian, cSVB)算法,在利用高斯尺度混合(Gaussian scale mixture,GSM)模型對信號建模時采用了三層次貝葉斯結構,并且根據(jù)層次結構中不同的信號先驗分布,派生出3種變體算法:相關杰弗里稀疏變分貝葉斯(correlated Jeffrey sparse variational Bayesian, cJSVB)算法、相關拉普拉斯稀疏變分貝葉斯(correlated Laplace sparse variational Bayesian, cLSVB)算法和相關學生t稀疏變分貝葉斯(correlated student’t of sparse variational Bayesian, cStSVB)算法,并在胎兒心電信號領域中得到初步應用。此算法在使用三層次貝葉斯結構建模時,在分層結構中選擇不同的參數(shù)值,可獲得不同的稀疏信號模型。利用這一特性,可以通過選取合適模型參數(shù),更加精確地重構DME信號。

    為了更有效地實現(xiàn)L-DACS系統(tǒng)中DME干擾抑制,本文提出基于cSVB算法的DME脈沖信號抑制方法。利用OFDM接收機空子載波構造壓縮感知欠定線性模型,分別使用cLSVB算法和cStSVB算法重構DME信號,并將重構信號從時域接收信號中去除,從而提高L-DACS系統(tǒng)的接收性能。仿真結果表明,兩種算法均具有較好的干擾信號重構效果。

    1 系統(tǒng)模型

    1.1 DME信號模型

    DME信號由高斯型隨機脈沖對序列組成,單個DME脈沖對信號[8可表示為

    gDME(t)=e-α2t2+e-α2(t-Δ t)2(1)

    式中:α=4.5×1011s-2;Δt為脈沖對時間間隔。

    由于DME脈沖信號與L-DACS系統(tǒng)OFDM接收機載波頻率相差±0.5 MHz,因此載波偏置的DME信號[8可表示為

    i(t)=∑Vv=1∑Nvu=1Avg(t-tv,u)ej2πfvt+jφv,u(2)

    式中:V表示DME基站的數(shù)目;Nv,Av,fv(v=1,2,…,V)分別表示第v個DME基站在觀測時間內(nèi)產(chǎn)生的脈沖對數(shù)目、峰值振幅和載波頻率偏移值;tv,u(u=1,2,…,Nv)表示第v個DME基站的第u個脈沖對的到達時間,服從泊松分布;φv,u表示第v個DME基站的第u個脈沖對的載波初始相位,在區(qū)間[0,2π]內(nèi)服從均勻分布。

    1.2 L-DACS系統(tǒng)OFDM發(fā)射機與接收機模型

    圖1為L-DACS系統(tǒng)OFDM發(fā)射機與接收機原理框圖。在發(fā)射端,二進制比特序列經(jīng)過卷積編碼、交織和調(diào)制后,將生成的信號映射到OFDM符號的Ns個子載波上;映射后的信號經(jīng)過采樣因子為U的上采樣處理,隨后通過UNs點快速傅里葉逆變換(inverse fast Fourier transform, IFFT)轉換為時域信號x;在每個OFDM信號前插入循環(huán)前綴(cyclic prefix,CP);最后經(jīng)過數(shù)模轉換器(digital/analog,D/A)與射頻前端處理發(fā)射至無線信道。

    在接收端,假設已進行定時和載波同步,將接收到的信號進行模數(shù)轉換器(analog/digital,A/D)、去除CP處理,得到時域接收矢量信號z:

    z=Hx+e+n(3)

    式中:H表示由信道脈沖響應組成的循環(huán)卷積矩陣;e表示DME脈沖干擾信號;n表示服從高斯分布的加性高斯白噪聲(additive Gaussian white noise, AWGN)。信號z經(jīng)過采用cSVB算法的DME脈沖干擾抑制處理模塊,再經(jīng)UNs點離散傅里葉變換(discrete Fourier transform, DFT)轉換為頻域信號矢量y:

    y=Fz=FFHΛFx+Fe+Fn=ΛX+Fe+w(4)

    式中:F為UNs點DFT矩陣;H可分解為H=FHΛF;Λ是以信道頻率響應為對角元素的對角矩陣;(·)H表示共軛轉置;X=Fx為頻域發(fā)射信號;w=Fn為n的頻域信號矢量,仍服從高斯分布。

    設M為OFDM接收機的空子載波總數(shù),k為空子載波的位置索引,(·)k表示與索引k對應的子矩陣(或子向量),則xk=0。利用空子載波信道構建壓縮感知欠定線性方程,將xk=0代入式(4),則有:

    yk=Fke+wk(5)

    式中:yk∈RM×1為空子載波信道對應的觀測信號矢量;Fk∈RM×UNs(Mlt;UNs)為感知矩陣,屬于矩陣F的子矩陣;e∈RUNs×1為待重構的DME脈沖信號矢量;wk∈RM×1為AWGN信號矢量。

    本文利用cSVB算法從觀測矢量信號yk中重構DME脈沖信號,記為,并將其從式(3)中去除。隨后,將干擾抑制后的信號經(jīng)過與發(fā)射機端對應的互逆處理模塊(FFT、下采樣、解調(diào)、解交織和卷積譯碼),以及信道估計和信道均衡模塊,最后得到輸出比特序列。

    2 基于cSVB算法的DME干擾重構

    假設信號e具有塊結構,可分為以下G個信號塊:

    e=[e1,e2,…,ed1eT1,…,edG-1+1,edG-1+2,…,edGeTG]T(6)

    式中:di為第i個信號塊的大?。╥=1,2,…,G),且∑Gi=1di=UNs。在G塊中,有且只有s塊(s≤G)是非零的,其具體位置未知。式(5)的塊稀疏線性模型可表示為

    yk=∑Gi=1Fikei+wk(7)

    式中:ei∈Rdi×1為第i個信號塊;Fik∈RM×di為ei對應的感知矩陣。

    2.1 觀測模型

    假設噪聲向量wk服從均值為0、協(xié)方差為β-1IM的高斯分布,則觀測向量信號yk的條件分布為

    p(yk|e,β)~N(Fke,β-1IM

    式中:N(·)表示正態(tài)分布。β服從共軛伽馬分布[22,即

    p(β;kβ,θβ)~G(β;kβ,θβ

    式中:G(·)表示伽馬分布,kβ,θβgt;0為常數(shù)參數(shù)。

    2.2 信號模型

    使用高斯尺度混合模型[23-24將式(6)中的每個信號塊ei表示為

    ei=1αi B-12ig, i=1,2,…,G(8)

    式中:g∈Rdi×1為標準多元高斯變量,滿足g~N(0di,Idi);隨機參數(shù)αigt;0,控制塊的稀疏性。當αi→∞時,對應的第i個信號塊為零;確定性參數(shù)B-1i∈Rdi×di表示塊內(nèi)相關性信息?;赾SVB算法對ei的貝葉斯建模分為3個層次。

    (1) 第1層次

    由式(8)定義,信號塊ei的條件先驗分布p(eii;Bi)服從高斯分布,即

    p(eii;Bi)~N(0di-1iB-1i

    假設各信號塊相互獨立,則e的條件先驗分布為p(e|α;B)=∏Gi=1p(eii;Bi),則有

    p(e|α;Β)~N(0N;∑0

    式中:∑0diag {α-11B-11,α-12B-12,…,α-1GB-1G} 為塊對角矩陣,α=[α1,α2,…,αGT,B=[B1,B2,…,BGT。ei的邊緣概率分布可表示為

    p(ei)=∫0p(eii;Bi)p(αi)dαi(9)

    式中:p(αi)表示混合分布,控制邊緣概率分布p(ei)的形式。

    (2) 第2層次

    假設αi服從廣義逆高斯分布[22,即

    p(αi|ai,bi,λi)~GIG(αi;ai,bi,λi)=

    (ai/biλi/22Kλi(aibi)αλi-1iexp-12(aiαi+biα-1i)(10)

    式中:GIG(·)表示廣義逆高斯分布;參數(shù)ai,bigt;0,λi∈R;K(·)為第二類修正貝塞爾函數(shù)。

    根據(jù)式(9)和式(10),可得ei的邊緣概率分布服從廣義雙曲分布[25,即

    p(ei|ai,bi,λi;Bi)~GH(ei;ai,bi,λi;Bi)=

    bdi4i(2π)di2aλi/2iKλi(aibi)Kλi+di2(bi(ai)+B12iei22)(ai+B12iei22di4+λi2|Bi|12(11)

    式中:GH(·)表示廣義雙曲分布;·2表示l2范數(shù);|·|表示矩陣的行列式。

    當式(10)中ai、bi和λi取不同值時,式(11)表示的廣義雙曲分布包含大量其他分布,其中許多分布具有尖峰重尾的統(tǒng)計特性,可以鼓勵信號的稀疏性特征[26;因此本文考慮稀疏貝葉斯建模中經(jīng)典的多元拉普拉斯分布和多元學生t分布。

    (1) 多元拉普拉斯分布

    當ai→0,λi=-di+12時,根據(jù)K(·)的性質(zhì)[26,式(10)近似于逆伽馬分布,即

    p(αi|bii)~IG αibi2,di+12

    則式(11)中ei的邊緣分布服從多元拉普拉斯分布,表達式為

    p(ei|bi;Bi)=|B|12bdi2di-122diΓdi+12exp(-biB12iei2)(12)

    式中:Γ(·)為伽馬函數(shù)。

    (2) 多元學生t分布

    當bi→0,λigt;0時,式(10)近似于伽馬分布,即

    p(αi|aii)~G αi|ai2;λi

    則式(11)中ei的邊緣分布服從多元學生t分布,表達式為

    p(ei|ai,λi;Bi)=|B|12Γλi+di2(πaidi21+B12iei22ai-λi-di2(13)

    (3) 第3層次

    對于式(12)表示的多元拉普拉斯分布,變量bi是一個未知模型參數(shù),其先驗分布服從共軛伽馬分布[22,即

    p(bi;kb,θb)~G(bi;kb,θb

    其中,kb,θbgt;0為常數(shù)參數(shù)。

    對于式(13)表示的多元學生t分布,變量ai也是一個未知模型參數(shù),其先驗分布服從共軛伽馬分布[22,即

    p(ai;ka,θa)~G(ai;ka,θa

    其中,ka,θagt;0為常數(shù)參數(shù)。

    定義θr={e,α,β,a,b}為隱隨機變量,可得到聯(lián)合概率分布為

    p(yk,θr;B)=

    p(yk|e,β)p(e|α;B)p(α|a,b,λ)p(β)p(a,b) (14)

    式中:a=[a1,a2,…,aGT,b=[b1,b2,…,bGT,λ=[λ1,λ2,…,λGT。

    在貝葉斯壓縮感知框架中,通常獲得后驗分布p(θr|yk;B)=p(yk,θr;B)∫p(yk,θr;B) dθr,并最大化得到各隱隨機變量的估計值。

    由于使用傳統(tǒng)貝葉斯推理難以獲得準確的后驗分布p(θr|yk;B),這里采用變分貝葉斯推理(variational Bayesian inference,VBI)方法27-28求取p(θr|yk;B)的最優(yōu)近似解。

    2.3 VBI

    VBI方法通過尋求一個簡單概率密度函數(shù)q(θr;B)近似后驗概率密度函數(shù)p(θr|yk;B),即將兩者之間的Kullback-Leibler (KL)散度最小化27-28,從而得到最優(yōu)解q*(θr;B):

    q*(θr;B)=argminq(θr;B)KL(q(θr;B)p(θr|yk;B))(15)

    為了求解式(15),利用平均場定理[29,q(θr;B)可表示為

    q(θr;B)=q(e;B)q(α;B)q(β;B)q(a,b;B)(16)

    將式(16)代入式(15),根據(jù)變分貝葉斯推導,得到最優(yōu)解的一般表達式為

    logq*(θrl;B)=E[logp(yk,θr;B)]q(θr\θrl)+const(17)

    式中:θrl(l=1,2,…,5)表示θr中的第l個元素,θr\θrl表示除去θrl的θr的集合,E[·]q表示不包含θrl的變量關于概率密度函數(shù)q(θr\θrl)的期望,const 為隨機常數(shù),進行歸一化。

    下面通過計算式(17)得到θrl的后驗概率密度函數(shù)q*(θrl;B),最終獲得e,α,β,a,b的估計值。

    2.3.1 脈沖信號e的估計

    當θrl=e時,式(14)表示的聯(lián)合分布p(yk,θr;Β)只保留與e相關部分,根據(jù)式(17)有

    logq*(e;Β)=E[logp(yk,θr;Β)]q(α;B)q(β;B)q(a,b;B)+const ∝

    E[logp(yk|e,β)+logp(e|α;B)]q(α;B)q(β;B)q(a,b;B)

    -12E[β](yTkyk-yTkFke-eTFTkyk+eTFTkFke)-

    12(eT∑′-1e)(18)

    式中:∑′=diag1E[α1]B-11,1E[α2]B-12,…,1E[αG]B-1G。由式(18)可知,q*(e;B)服從均值為e ^、方差為∑e的多元高斯分布,即

    q*(e;Β)~N(e ^,∑e

    e ^=∑′FTk(E[β]-1IM+Fk∑′FTk-1yk(19)

    e=∑′-∑′FTk(E[β]-1IM+Fk∑′FTk-1Fk∑′(20)

    只要獲得參數(shù)β,αi,ai,bi,Bi,則脈沖信號e的估計值可由式(19)計算的均值e ^得到。

    2.3.2 參數(shù)β的估計

    同理,當θrl=β時,根據(jù)式(17)有

    logq*(β;Β)=E[logp(yk,θr;Β)]q(e;B)q(α;B)q(a,b;B)+const ∝

    E[logp(yk|e,β)+logp(β)]q(e;B)q(α;B)q(a,b;B)

    kβ+M2-1log(β)-β(θβ+12yk-Fke ^22+

    12tr(FTkFke)) (21)

    由式(21)可知,q*(β;B)服從伽馬分布,則β更新表達式為

    E[β]=kβ+M2θβ+12yk-Fke ^22+12tr(FTkFke)(22)

    2.3.3 參數(shù)αi和α-1i的估計

    同理,當θrli時,根據(jù)式(17)有

    logq*(α;Β)=E[logp(yk,θr;Β)]q(e;B)q(β;B)q(a,b;B)+const ∝

    E[logp(e|α;Β)+logp(α|a,b,λ)]q(e;B)q(β;B)q(a,b;B)=

    ∑Ni=1E[logp(eii;Bi)+logp(αi|ai,bi,λi)]q(e;B)q(β;B)q(a,b;B)(23)

    則更新q*(αi;Bi)時,根據(jù)式(10)有

    logq*(αi;Bi)∝E[logp(eii;Bi)+logp(αi|ai,bi,λi)]∝

    λi+di2-1logαi-12((E[ai]+E[eTiBiei])αi+E[bi]α-1i

    由此可知,q*(αi;Bi)服從GIG分布,αi和α-1i的更新表達式[30分別為

    E[αi]=E[bi]E[ai]+E[eTiBiei12·

    Kλi+di2+1((E[ai]+E[eTiBiei])E[bi])Kλi+di2((E[ai]+E[eTiBiei])E[bi])(24)

    E[α-1i]=E[bi]E[ai]+E[eTiBiei-12·

    Kλi+di2-1((E[ai]+E[eTiBiei])E[bi])Kλi+di2((E[ai]+E[eTiBiei])E[bi])(25)

    2.3.4 參數(shù)bi的估計

    與式(18)、式(21)和式(23)求解類似,對于多元拉普拉斯分布,根據(jù)式(17),可得未知參數(shù)bi的后驗分布服從伽馬分布,即

    則bi更新表達式為

    E[bi]=kb+di+12θb+E[α-1i]2(26)

    此時,E[α-1i]為

    E[α-1i]=E[bi]E[eTiBiei](27)

    2.3.5 參數(shù)ai的估計

    同理,對于多元學生t分布,根據(jù)式(17),可得未知參數(shù)ai的后驗分布服從伽馬分布,即

    q*(ai)∝aka+λi-1iexp-θa+E[αi]2ai

    則ai的更新表達式為

    E[ai]=kaiθa+E[αi]2(28)

    此時,E[αi]為

    E[αi]=λi+di2E[ai]+E[eTiΒiei](29)

    2.4 參數(shù)B的估計

    利用EM算法30對確定性參數(shù)B={B1,B2,…,BG}進行估計。這里對Q函數(shù)Q(B)進行最大化:

    Q(B)=Eθr|yk:B[-logp(yk,θr;B)]∝Eθr|yk:B[p(e|α;B)](30)

    對式(30)中的Q函數(shù)中的參數(shù)Bi求導并令其為零,可得

    Bi=1E[αi]∑ie+e ^ie ^Ti(31)

    綜上所述,cLSVB算法的更新規(guī)則包括式(19)、式(20)、式(22)、式(26)、式(27)和式(31);cStSVB算法的更新規(guī)則包括式(19)、式(20)、式(22)、式(28)、式(29)和式(31)。cSVB算法流程如下所示。

    算法 1 cSVB算法輸入:觀測值yk,感知矩陣Fk以及塊大小di

    輸出:稀疏信號估計e ^。

    1.初始化參數(shù)β,α,kβ,ka,kb,θβ,θa,θb和λi;設置門限值δ和最大迭代次數(shù)Nmax;

    2.設置初始迭代n=0和e=Fk\yk;

    3.根據(jù)式(19)和式(20)迭代更新e ^n和∑ne;

    根據(jù)式(22)、式(26)、式(27)、式(28)、式(29)和式(31)分別更新參數(shù)β、bi、α-1i、ai、αi和Bi;

    4.如果max(abs(e ^n-1-e ^n)) lt; δ或者n=Nmax,則停止迭代;否則,設n=n+1并返回第3步。

    5.得到估計信號e ^。

    2.5 算法復雜度

    本文所用cSVB算法運算復雜度主要取決于待重構信號的均值e ^、協(xié)方差∑e的計算。由式(19)、式(20)可知,均值e ^和協(xié)方差∑e的復雜度均為O((UNs)M2)。所以,每次迭代的計算復雜度為O((UNs)M2)。

    3 仿真結果

    3.1 仿真環(huán)境設置

    為了驗證本文算法的有效性,構建了基于cSVB算法抑制DME脈沖干擾的L-DACS仿真系統(tǒng)。通過仿真實驗,對本文算法重構DME脈沖干擾信號的精度、干擾抑制前后功率譜變化以及系統(tǒng)的誤碼率和平均運行時間等4個方面進行仿真驗證,并與脈沖限幅方法、BSBL-BO算法和GGAMP-SBL算法的性能進行對比分析。主要仿真參數(shù)如表1所示。

    表1 仿真技術參數(shù)

    Table 1 Simulation technical parameters參數(shù)取值傳輸帶寬/MHz0.498 05子載波間隔/Hz9 765.625循環(huán)前綴/μs17.6OFDM符號周期/μs102.4有用子載波數(shù)50編碼卷積編碼、交織編碼調(diào)制方式正交相移鍵控信道模型AWGN/多徑信道DME干擾源數(shù)1DME載波偏移量/kHz500信干比/dB-7多徑數(shù)目83.2 DME脈沖噪聲重構結果與分析

    圖2為基于cStSVB算法重構前后DME脈沖信號的時域波形。圖2(a)為經(jīng)過等效抗混疊濾波后的DME脈沖信號波形,圖2(b)為利用cStSVB算法重構的DME脈沖信號波形??梢钥闯觯褐貥嫼蟮男盘柵c原始信號基本相同,cStSVB算法具有較好的DME信號重構效果。

    圖3為基于4種不同算法對DME脈沖信號重構的歸一化均方誤差與信噪比的關系曲線。仿真結果表明:(1)所有算法重構信號的歸一化均方誤差隨信噪比的增大而減少;(2)與其他算法相比,本文所采用的cSVB算法重構效果更好,其中基于cStSVB算法的重構歸一化均方誤差最小。

    3.3 DME干擾抑制前后的信號功率譜

    圖4顯示了基于cStSVB算法實現(xiàn)DME脈沖干擾重構時系統(tǒng)不同階段的信號功率譜對比圖(歸一化OFDM信號功率,無噪聲功率)。

    從圖4(a)可以看出,OFDM信號發(fā)射功率主要集中在-0.25~0.25 MHz之間。圖4(b)顯示,DME脈沖信號在經(jīng)過濾波之后仍有較高的功率,尤其在0.25 MHz附近,其功率值為-20 dB左右。圖4(c)中接收端接收的OFDM信號在0.2~0.4 MHz之間存在明顯的DME脈沖干擾,對有用信號產(chǎn)生嚴重干擾。從圖4(d)可以看出,經(jīng)過干擾抑制處理,在0.2~0.4 MHz之間DME脈沖信號得到明顯抑制,OFDM信號得到較好的恢復,說明本文算法對DME脈沖信號有較好的抑制性能。

    3.4 系統(tǒng)誤碼性能

    圖5表示在AWGN信道環(huán)境下系統(tǒng)的誤比特差錯性能曲線。從圖5可以看出:(1) 本文提出的cSVB算法在AWGN信道環(huán)境下可以有效抑制DME脈沖干擾,降低系統(tǒng)誤比特率;(2) 脈沖限幅法可以對DME信號產(chǎn)生一定的改善效果,但其改善效果非常有限;(3) 與其他算法相比,基于cStSVB算法的干擾抑制效果最好。在信噪比為8時,相較于BSBL-BO算法,cStSVB算法可獲得約7 dB的性能改善。在誤比特率為10-2 dB時,相較于GGAMP-SBL算法,cStSVB算法可獲得約5 dB的性能改善。在誤比特率為10-3 dB時,相較于cLSVB算法,cStSVB算法可獲得約2 dB的性能改善。

    圖6表示在多徑信道環(huán)境下的比特差錯性能曲線。從圖6可以看出:(1) 本文提出的cSVB算法在多徑信道環(huán)境下可以有效地抑制DME脈沖干擾,降低系統(tǒng)誤比特率;(2) 脈沖限幅法可以對DME信號產(chǎn)生一定的改善效果,但其改善效果是有限的;(3) 與其他算法相比,基于cStSVB算法的干擾抑制效果最好。在信噪比為8 dB時,相較于BSBL-BO算法,cStSVB算法可獲得約4 dB的性能改善。在誤比特率為10-1 dB時,相較于GGAMP-SBL算法,cStSVB算法可獲得約1.5 dB的性能改善。在誤比特率為10-2 dB時,相較于cLSVB算法,cStSVB算法可獲得約2 dB的性能改善。

    3.5 平均運行時間

    圖7為AWGN信道環(huán)境下4種不同算法進行DME脈沖干擾抑制的平均運行時間曲線圖。運行環(huán)境均為Windows 11操作系統(tǒng),CPU為Inter Core i5-12500,內(nèi)存為16 GB。

    從圖7可以看出,本文兩種方法運行時間相當,均比BSBL-BO算法略長,主要不同在于估計參數(shù)較多,但本文方法的干擾抑制效果更優(yōu)。GGAMP-SBL算法的平均運行時間明顯縮短,收斂速度最快。

    4 結 論

    本文針對存在DME干擾的L-DACS系統(tǒng)提出利用cLSVB算法和cStSVB算法重構DME脈沖干擾信號并去除的方法。兩種算法具有較好的重構效果,可有效抑制DME干擾;與其他方法相比,cStSVB算法可達到更好的誤比特性能,有效改善L-DACS系統(tǒng)傳輸可靠性。本文方法存在平均運行時間偏高的不足,在實際應用中需要從系統(tǒng)誤比特率和運算時間兩方面權衡選擇。

    參考文獻

    [1]SCHNELL M, EPPLE U, SHUTIN D, et al. L-DACS: future aeronautical communications for air-traffic management[J]. IEEE Communications Magazine, 2014, 52(5): 104-110.

    [2]MIODRAG S, HAINDL B, EPPLE U, et al. Updated LDACS1 system specification[EB/OL]. http:∥www.ldacs.com/wp-content/uploads/2014/02/LDACS1-Updated-Specification-Proposal-D2-Deliverable.pdf.

    [3]FISTAS N. Future communications study-action plan 17, final conclusions and recommendations repor[C]∥Proc.of the 26th Digital Avionics System Conference, 2007.

    [4]BRANDES S, EPPLE U, GLIGOREVIC S, et al. Physical layer specification of the L-band digital aeronautical communications system (L-DACS1)[C]∥Proc.of the Integrated Communications, Navigation and Surveil-lance Conference, 2009.

    [5]BRANDES S, EPPLE U, SCHNELL M, Compensation of the impact of interference mitigation by pulse blanking in OFDM systems[C]∥Proc.of the IEEE Global Telecommunications Conference, 2009.

    [6]EPPLE U, SCHNELL M. Adaptive threshold optimization for a blanking nonlinearity in OFDM receivers[C]∥Proc.of the IEEE Global Communications Conference, 2012: 3661-3666.

    [7]LIU H T, YIN Z S, JIA M, et al. SER analysis of the MRC-OFDM receiver with pulse blanking over frequency selective fading channel[J]. EURASIP Journal on Wireless Communication and Networking, 2016, 135: 1-12.

    [8]MIZIYA K, MUTHALAGU R, MATHEW L K, et al. Deep clipping based interference mitigation technique for LDACS[C]∥Proc.of the IEEE/AIAA 40th Digital Avionics Systems Conference, 2021.

    [9]SAAIFAN K A, ELSHAHED A M, HENK-EL W. Cancelation of distance measuring equipment interference for aeronautical communications[J]. IEEE Trans.on Aerospace and Electronic Systems, 2017, 53(6): 3104-3114.

    [10]李冬霞, 陳秋雨, 王磊, 等. 基于BSBL-BO算法的DME脈沖干擾抑制方法[J]. 系統(tǒng)工程與電子技術, 2021, 43(9): 2649-2656.

    LI D X, CHEN Q Y, WANG L, et al. DME pulse interference suppression method based on BSBL-BO algorithm[J]. Systems Engineering and Electronics, 2021, 43(9): 2649-2656.

    [11]李冬霞, 王雪, 劉海濤, 等. 基于EBSBL-BO算法的L-DACS系統(tǒng)干擾抑制方法[J]. 信號處理, 2022, 38(10): 2192-2200.

    LI D X, WANG X, LIU H T, et al. Interference suppression method for L-DACS systems based on EBSBL-BO algorithm[J]. Journal of Signal Processing, 2022, 38(10): 2192-2200.

    [12]SANT A, LEINONEN M, RAO B D. General total variation regularized sparse Bayesian learning for robust block-sparse signal reco-very[C]∥Proc.of the IEEE International Conference on Acous-tics, Speech and Signal Processing, 2021: 5604-5608.

    [13]CAO Z, DAI J S, XU W C, et al. Fast variational Bayesian inference for temporally correlated sparse signal recovery[J]. IEEE Signal Processing Letters, 2021, 28: 214-218.

    [14]陳蘇怡, 李浩然, 戴繼生. 基于塊稀稀疏學習的光譜基線校正方法[J]. 光譜學與光譜分析, 2022, 42(12): 3730-3735.

    CHEN S Y, LI H R, DAI J S. A spectral baseline correction method based on block sparse learning[J]. Spectroscopy and Spectral Analysis, 2022, 42(12): 3730-3735.

    [15]PAN T H, WU C, CHEN Q. Sparse reconstruction using block sparse Bayesian learning with fast marginalized likelihood maximization for near-infrared spectroscopy[J]. IEEE Trans.on Instrumentation and Measurement, 2021, 71: 2500410.

    [16]DAI F Z, WANG Y Y, LING H. Gohberg-Semencul factorization-based fast implementation of sparse Bayesian learning with a Fourier dictionary[J]. IEEE Trans.on Geoscience and Remote Sensing, 2022, 60: 5111015.

    [17]FENG J J. MIMO radar imaging based on two-dimensional compressive sensing recovery algorithm[C]∥Proc.of the Journal of Physics Conference Series, 2022.

    [18]TIPPING M E. Sparse Bayesian learning and the relevance vector machine[J]. Journal of Machine Learning Research, 2001, 1(6): 211-244.

    [19]ZHANG Z L, RAO B D. Extension of SBL algorithms for the recovery of block sparse signals with intra-block correlation[J]. IEEE Trans.on Signal Processing, 2013, 61(8): 2009-2015.

    [20]王雪. 基于SBL的寬帶航空數(shù)據(jù)鏈測距儀干擾抑制算法研究[D]. 天津: 中國民航大學, 2022.

    WANG X. Research on DME interference suppression algorithm of wideband aviation data link based on SBL[D]. Tianjin: Civil Aviation University of China, 2022.

    [21]Al-SHOUKAIRI M, SCHNITER P, RAO B D. A GAMP-based low complexity sparse Bayesian learning algorithm[J]. IEEE Trans.on Signal Processing, 2018, 66(2): 294-308.

    [22]SHARMA S, CHAUDHURY S. Variational Bayes block sparse modeling with correlated entries[C]∥Proc.of the 24th International Conference on Pattern Recognition, 2018: 1313-1318.

    [23]ANDREWS D F, MALLOWS C L. Scale mixtures of normal distributions[J]. Journal of the Royal Statistical Society: Series B (Methodological), 1974, 36(1): 99-102.

    [24]WEST M. On scale mixtures of normal distributions[J]. Bio-metrika, 1987, 74(3): 646-648.

    [25]BARNDORFF-NIELSEN O, KENT J, SORENSEN M. Normal variance-mean mixtures and z distributions[J]. International Statistical Review/Revue Internationale de Statistique, 1982, 50(2): 145-159.

    [26]BABACAN S D, NAKAJIMA S, DO M N. Bayesian group-sparse modeling and variational inference[J]. IEEE Trans.on Signal Processing, 2014, 62(11): 2906-2921.

    [27]MACKAY D J C, MAC KAY D J C. Information theory, inference and learning algorithms[M]. Cambridge: Cambridge University Press, 2003.

    [28]TZIKAS D G, LIKAS A C, GALATSANOS N P. The variational approximation for Bayesian inference[J]. IEEE Signal Processing Magazine, 2008, 25(6): 131-146.

    [29]BISHOP C M, NASRABADI N M. Pattern recognition and machine learning[M]. New York: Springer, 2006.

    [30]SHARMA S, CHAUDHURY S, JAYADEVA J. Temporal modeling of EEG signals using block sparse variational Bayes framework[C]∥Proc.of the 11th Indian Conference on Computer Vision, Graphics and Image Processing, 2018.

    作者簡介

    李冬霞(1971—),女,教授,博士,主要研究方向為航空移動通信、甚高頻數(shù)據(jù)鏈。

    王佳妮(1999—),女,碩士研究生,主要研究方向為航空移動通信。

    彭祥清(1997—),女,碩士研究生,主要研究方向為航空移動通信。

    劉海濤(1966—),男,教授,博士,主要研究方向為航空移動通信、寬帶移動通信。

    王 磊(1981—),女,副教授,博士,主要研究方向為衛(wèi)星導航信號處理、航空移動通信。

    猜你喜歡
    測距儀
    FM-CW 雷達接近傳感器在機電一體化產(chǎn)品中的應用研究
    具備測距功能的高壓計量裝置竣工驗收APP設計
    DME/N詢問脈沖波形優(yōu)化與計算
    基于單片機的汽車倒車測距儀設計
    卷宗(2018年13期)2018-06-29 07:55:52
    單片機控制的超聲波測距儀汽車倒車系統(tǒng)研究
    時代汽車(2016年5期)2016-05-30 10:48:04
    基于ARM的超聲波測距設計
    基于JADE的測距儀脈沖干擾抑制方法
    測距儀精密測距的幾個問題研究
    基于MSP430單片機控制的超聲波測距儀軟件系統(tǒng)設計
    科技傳播(2015年10期)2015-03-07 08:17:42
    基于小波變換的測距儀脈沖干擾抑制方法
    404 Not Found

    404 Not Found


    nginx
    av欧美777| 国产av在哪里看| 国产在视频线在精品| 欧美色视频一区免费| 嫩草影院入口| 国产精品久久久久久人妻精品电影| 国产一区二区三区在线臀色熟女| 国产午夜精品久久久久久一区二区三区 | 校园春色视频在线观看| 久久久久性生活片| 亚洲精品影视一区二区三区av| 深夜精品福利| www.色视频.com| www.色视频.com| 少妇人妻一区二区三区视频| 看十八女毛片水多多多| 脱女人内裤的视频| 国内精品久久久久精免费| 国产v大片淫在线免费观看| 最新在线观看一区二区三区| 成人午夜高清在线视频| 色综合亚洲欧美另类图片| 男女下面进入的视频免费午夜| 中文字幕av成人在线电影| 一区二区三区高清视频在线| 天堂av国产一区二区熟女人妻| 色综合欧美亚洲国产小说| 无人区码免费观看不卡| 嫩草影院入口| 国产成人福利小说| 国产91精品成人一区二区三区| 国产私拍福利视频在线观看| 亚洲自偷自拍三级| 99热只有精品国产| 91av网一区二区| 久久精品人妻少妇| 国内少妇人妻偷人精品xxx网站| 两个人的视频大全免费| 午夜福利高清视频| 久久国产精品影院| 搡老熟女国产l中国老女人| 中文字幕av在线有码专区| 怎么达到女性高潮| 成人美女网站在线观看视频| 久久99热6这里只有精品| 特大巨黑吊av在线直播| 91字幕亚洲| 亚洲电影在线观看av| 一区二区三区高清视频在线| 国产精品1区2区在线观看.| 小蜜桃在线观看免费完整版高清| av黄色大香蕉| 免费黄网站久久成人精品 | 三级男女做爰猛烈吃奶摸视频| 日韩国内少妇激情av| 日韩欧美在线乱码| 国产亚洲精品av在线| 午夜福利成人在线免费观看| 少妇人妻精品综合一区二区 | 午夜福利18| 一区二区三区高清视频在线| 不卡一级毛片| 日韩欧美国产一区二区入口| 2021天堂中文幕一二区在线观| 亚洲精品一区av在线观看| 亚洲国产精品sss在线观看| 国产免费一级a男人的天堂| 又黄又爽又免费观看的视频| 国产精品99久久久久久久久| 老司机深夜福利视频在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 毛片女人毛片| 一a级毛片在线观看| 麻豆一二三区av精品| 天堂影院成人在线观看| 人妻久久中文字幕网| 丰满人妻熟妇乱又伦精品不卡| 黄色丝袜av网址大全| 国产高清三级在线| 麻豆一二三区av精品| 国产亚洲精品av在线| 午夜福利在线观看免费完整高清在 | 亚洲熟妇熟女久久| 国产免费av片在线观看野外av| 国产免费一级a男人的天堂| 99久久99久久久精品蜜桃| 国产高清三级在线| 国产人妻一区二区三区在| 亚洲最大成人av| av国产免费在线观看| av在线观看视频网站免费| 亚洲精品一区av在线观看| 3wmmmm亚洲av在线观看| 国产精品免费一区二区三区在线| 久久精品影院6| 亚洲av成人av| 色哟哟哟哟哟哟| 一进一出抽搐gif免费好疼| 2021天堂中文幕一二区在线观| 午夜a级毛片| 午夜a级毛片| 美女大奶头视频| 久久热精品热| 亚洲乱码一区二区免费版| 亚洲av.av天堂| 欧美性猛交黑人性爽| 久久这里只有精品中国| av国产免费在线观看| 变态另类丝袜制服| 欧美一区二区亚洲| 免费看美女性在线毛片视频| 欧美一区二区国产精品久久精品| 亚洲成人免费电影在线观看| 亚洲色图av天堂| 老熟妇仑乱视频hdxx| 中文资源天堂在线| 天堂av国产一区二区熟女人妻| 中文在线观看免费www的网站| 女人被狂操c到高潮| 亚洲一区高清亚洲精品| 久久久国产成人精品二区| www.熟女人妻精品国产| 九色国产91popny在线| 97超级碰碰碰精品色视频在线观看| 亚洲国产精品成人综合色| 一本久久中文字幕| 日本一二三区视频观看| 亚洲五月天丁香| 国模一区二区三区四区视频| 一个人免费在线观看的高清视频| 亚洲av.av天堂| 国产欧美日韩一区二区三| 欧美bdsm另类| 精品久久久久久久久av| 成人性生交大片免费视频hd| 美女高潮喷水抽搐中文字幕| 国产不卡一卡二| avwww免费| 精品久久久久久久久av| 日韩欧美精品免费久久 | 亚洲av二区三区四区| 精品一区二区三区视频在线观看免费| 欧美一区二区精品小视频在线| 成人三级黄色视频| 久久精品91蜜桃| 精品一区二区三区视频在线观看免费| 午夜免费成人在线视频| 国产不卡一卡二| 国产亚洲欧美在线一区二区| 亚洲欧美日韩卡通动漫| 国产精品久久视频播放| 国产美女午夜福利| 亚洲av成人精品一区久久| 国产精品亚洲美女久久久| 国产高清视频在线播放一区| 男女下面进入的视频免费午夜| 白带黄色成豆腐渣| 欧美最黄视频在线播放免费| 日日夜夜操网爽| 韩国av一区二区三区四区| 身体一侧抽搐| 国产主播在线观看一区二区| 亚洲自拍偷在线| 网址你懂的国产日韩在线| av在线蜜桃| 两个人的视频大全免费| 国产一区二区在线观看日韩| 精品久久国产蜜桃| www.www免费av| 精品无人区乱码1区二区| 久久久久九九精品影院| 精品一区二区三区视频在线| 在线看三级毛片| 国产大屁股一区二区在线视频| 国产精品电影一区二区三区| 天天一区二区日本电影三级| 最近最新中文字幕大全电影3| 男女那种视频在线观看| 亚洲人成网站高清观看| 亚洲成av人片在线播放无| 亚洲成人免费电影在线观看| 亚洲美女视频黄频| avwww免费| 69av精品久久久久久| 毛片女人毛片| av女优亚洲男人天堂| 真人一进一出gif抽搐免费| 国产单亲对白刺激| 十八禁国产超污无遮挡网站| 国产视频内射| 国产色爽女视频免费观看| 尤物成人国产欧美一区二区三区| 观看免费一级毛片| 亚洲无线观看免费| 一个人看的www免费观看视频| 日韩中文字幕欧美一区二区| 久久国产乱子伦精品免费另类| 国产国拍精品亚洲av在线观看| 国产精品久久视频播放| www.熟女人妻精品国产| 老熟妇乱子伦视频在线观看| 国内精品美女久久久久久| 国产爱豆传媒在线观看| 国内揄拍国产精品人妻在线| 日本a在线网址| 蜜桃亚洲精品一区二区三区| 免费黄网站久久成人精品 | 97人妻精品一区二区三区麻豆| 国产精品免费一区二区三区在线| av在线天堂中文字幕| 一本一本综合久久| 亚洲久久久久久中文字幕| 91九色精品人成在线观看| 国产高清视频在线播放一区| www.色视频.com| a级毛片免费高清观看在线播放| 欧美色欧美亚洲另类二区| 国产探花在线观看一区二区| 在线观看av片永久免费下载| 久久久久久久久久黄片| 男插女下体视频免费在线播放| 女人被狂操c到高潮| 如何舔出高潮| www.熟女人妻精品国产| 成人欧美大片| 国产精品一区二区性色av| 2021天堂中文幕一二区在线观| 欧美黑人欧美精品刺激| 乱人视频在线观看| 美女cb高潮喷水在线观看| 观看免费一级毛片| 国产精品不卡视频一区二区 | 色综合亚洲欧美另类图片| 乱人视频在线观看| 亚洲欧美清纯卡通| 性色avwww在线观看| 中出人妻视频一区二区| 免费黄网站久久成人精品 | av欧美777| 少妇的逼好多水| 69av精品久久久久久| 免费在线观看成人毛片| 国产成人a区在线观看| 色综合婷婷激情| 不卡一级毛片| 五月玫瑰六月丁香| 午夜免费激情av| 成人鲁丝片一二三区免费| 最新在线观看一区二区三区| 亚洲人成网站高清观看| 日韩欧美在线乱码| 99视频精品全部免费 在线| 亚洲精品日韩av片在线观看| 亚洲国产精品sss在线观看| 亚洲精品日韩av片在线观看| 淫秽高清视频在线观看| 国产一区二区亚洲精品在线观看| 日韩av在线大香蕉| 亚洲人与动物交配视频| 亚洲不卡免费看| 好看av亚洲va欧美ⅴa在| 国产高潮美女av| 日本 av在线| 中亚洲国语对白在线视频| 精品人妻一区二区三区麻豆 | 欧美+亚洲+日韩+国产| 亚洲自拍偷在线| 精品午夜福利在线看| 51午夜福利影视在线观看| 三级毛片av免费| 亚洲第一欧美日韩一区二区三区| 91在线观看av| 日韩精品青青久久久久久| 97超视频在线观看视频| 丰满人妻一区二区三区视频av| 综合色av麻豆| 日韩高清综合在线| 女人被狂操c到高潮| 亚洲av中文字字幕乱码综合| 久久精品91蜜桃| 男女做爰动态图高潮gif福利片| 最近视频中文字幕2019在线8| 禁无遮挡网站| 国产视频内射| 午夜日韩欧美国产| 成年女人看的毛片在线观看| 色综合亚洲欧美另类图片| 性插视频无遮挡在线免费观看| 国产精华一区二区三区| 国产在视频线在精品| 一区二区三区激情视频| 哪里可以看免费的av片| 狂野欧美白嫩少妇大欣赏| 午夜免费男女啪啪视频观看 | АⅤ资源中文在线天堂| 亚洲欧美清纯卡通| 欧美一级a爱片免费观看看| 日本黄大片高清| 国产国拍精品亚洲av在线观看| 热99re8久久精品国产| 熟妇人妻久久中文字幕3abv| 国产高清激情床上av| 精华霜和精华液先用哪个| 床上黄色一级片| 成年人黄色毛片网站| 99久久精品一区二区三区| 国产精品亚洲一级av第二区| 国产高清激情床上av| 最近视频中文字幕2019在线8| 毛片一级片免费看久久久久 | 久久精品久久久久久噜噜老黄 | 美女高潮的动态| 国产色爽女视频免费观看| av天堂中文字幕网| 久久精品人妻少妇| 久久精品夜夜夜夜夜久久蜜豆| 一个人免费在线观看电影| 免费看日本二区| 亚洲最大成人中文| 2021天堂中文幕一二区在线观| 日本a在线网址| 欧美黄色淫秽网站| 久久久精品大字幕| 网址你懂的国产日韩在线| 国产三级中文精品| 一个人免费在线观看的高清视频| 又爽又黄无遮挡网站| 丁香六月欧美| 在线天堂最新版资源| 久久这里只有精品中国| 午夜精品在线福利| 国产高清三级在线| 日本成人三级电影网站| 搡女人真爽免费视频火全软件 | x7x7x7水蜜桃| 亚洲国产精品久久男人天堂| 国产老妇女一区| 日韩欧美精品v在线| 国产国拍精品亚洲av在线观看| 国产精华一区二区三区| 淫妇啪啪啪对白视频| 99视频精品全部免费 在线| 一级a爱片免费观看的视频| 一级毛片久久久久久久久女| 欧美日韩亚洲国产一区二区在线观看| 动漫黄色视频在线观看| 中文字幕熟女人妻在线| 久久草成人影院| 永久网站在线| av在线天堂中文字幕| 老司机午夜十八禁免费视频| 亚洲精品乱码久久久v下载方式| 免费人成在线观看视频色| 欧美+亚洲+日韩+国产| 小蜜桃在线观看免费完整版高清| 国产爱豆传媒在线观看| 深爱激情五月婷婷| 亚洲久久久久久中文字幕| 国产精品亚洲美女久久久| 热99在线观看视频| 狂野欧美白嫩少妇大欣赏| 免费无遮挡裸体视频| 精品午夜福利在线看| 国产精品亚洲av一区麻豆| 婷婷精品国产亚洲av| 国产精品三级大全| 18禁裸乳无遮挡免费网站照片| 亚洲av成人精品一区久久| 国产精品一区二区三区四区免费观看 | 精品福利观看| 精品乱码久久久久久99久播| 夜夜夜夜夜久久久久| 网址你懂的国产日韩在线| 久久精品国产清高在天天线| 好男人在线观看高清免费视频| 少妇的逼水好多| 97人妻精品一区二区三区麻豆| av视频在线观看入口| 欧美乱妇无乱码| 国产在线男女| 久久精品夜夜夜夜夜久久蜜豆| 男人和女人高潮做爰伦理| 老司机深夜福利视频在线观看| 天堂√8在线中文| 内地一区二区视频在线| 国产毛片a区久久久久| 一a级毛片在线观看| 毛片一级片免费看久久久久 | 国产国拍精品亚洲av在线观看| 国产美女午夜福利| 亚洲av成人精品一区久久| 国产白丝娇喘喷水9色精品| 97人妻精品一区二区三区麻豆| 国内毛片毛片毛片毛片毛片| 欧美3d第一页| 一级黄色大片毛片| 他把我摸到了高潮在线观看| 国产人妻一区二区三区在| 国产av麻豆久久久久久久| 中文字幕av成人在线电影| 岛国在线免费视频观看| 老女人水多毛片| 午夜免费成人在线视频| 一边摸一边抽搐一进一小说| 天堂网av新在线| 国内揄拍国产精品人妻在线| 国产精品久久视频播放| 99久久成人亚洲精品观看| 午夜免费成人在线视频| 欧美成狂野欧美在线观看| 成人高潮视频无遮挡免费网站| 麻豆国产97在线/欧美| 久久久久性生活片| 99久久九九国产精品国产免费| 成年女人永久免费观看视频| 国产精品永久免费网站| 好男人电影高清在线观看| 成人无遮挡网站| 91在线观看av| 久久人人爽人人爽人人片va | 真人做人爱边吃奶动态| www日本黄色视频网| 一本久久中文字幕| 在线看三级毛片| 一个人看的www免费观看视频| 亚洲综合色惰| 欧美乱妇无乱码| 熟妇人妻久久中文字幕3abv| 天堂动漫精品| 国产v大片淫在线免费观看| 波多野结衣高清无吗| 亚洲无线在线观看| 在线播放国产精品三级| 嫩草影视91久久| 亚洲精华国产精华精| 久久精品国产亚洲av涩爱 | 嫩草影院新地址| 麻豆一二三区av精品| 精品一区二区免费观看| 欧美黄色淫秽网站| 日韩欧美 国产精品| 中亚洲国语对白在线视频| 搡老熟女国产l中国老女人| 国产av不卡久久| 日本在线视频免费播放| 国产精品久久视频播放| 黄色日韩在线| 免费看美女性在线毛片视频| 中文字幕高清在线视频| 久久中文看片网| 欧美另类亚洲清纯唯美| 91av网一区二区| 国产亚洲欧美98| 久久热精品热| 久久久国产成人免费| 国产亚洲精品久久久久久毛片| 欧美zozozo另类| 伊人久久精品亚洲午夜| 最近中文字幕高清免费大全6 | 免费黄网站久久成人精品 | 校园春色视频在线观看| 久久人人精品亚洲av| 好男人在线观看高清免费视频| 日韩中文字幕欧美一区二区| 99久久无色码亚洲精品果冻| 黄色配什么色好看| 美女xxoo啪啪120秒动态图 | 偷拍熟女少妇极品色| 国产在线男女| 国产精品日韩av在线免费观看| 脱女人内裤的视频| 亚洲熟妇中文字幕五十中出| 99热精品在线国产| 成年女人永久免费观看视频| 丰满人妻熟妇乱又伦精品不卡| 国产真实伦视频高清在线观看 | 怎么达到女性高潮| 亚洲av美国av| 亚洲欧美精品综合久久99| 国产三级在线视频| 美女高潮的动态| 国产男靠女视频免费网站| aaaaa片日本免费| 国产精品影院久久| 国产真实乱freesex| 九九在线视频观看精品| 一区二区三区免费毛片| 成人国产综合亚洲| 国产精品日韩av在线免费观看| av在线老鸭窝| 热99在线观看视频| 欧美色欧美亚洲另类二区| 国产一级毛片七仙女欲春2| 欧美激情在线99| 99精品在免费线老司机午夜| 村上凉子中文字幕在线| 天堂影院成人在线观看| 国产精品日韩av在线免费观看| 欧美精品啪啪一区二区三区| 午夜精品在线福利| 亚洲国产精品sss在线观看| 一本精品99久久精品77| 我要看日韩黄色一级片| 又紧又爽又黄一区二区| 在线免费观看不下载黄p国产 | 亚洲精品影视一区二区三区av| 成人av一区二区三区在线看| 国产单亲对白刺激| 天堂动漫精品| 亚洲最大成人中文| 最近在线观看免费完整版| 亚洲国产精品999在线| 亚洲第一电影网av| 国产一区二区亚洲精品在线观看| 激情在线观看视频在线高清| 国产真实乱freesex| 国产一区二区在线观看日韩| 怎么达到女性高潮| 日日干狠狠操夜夜爽| 亚洲国产高清在线一区二区三| 一级作爱视频免费观看| 一a级毛片在线观看| 脱女人内裤的视频| 丝袜美腿在线中文| 我的老师免费观看完整版| 国产v大片淫在线免费观看| 五月玫瑰六月丁香| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av免费高清在线观看| 亚洲成人精品中文字幕电影| 国产 一区 欧美 日韩| 一个人免费在线观看的高清视频| 三级男女做爰猛烈吃奶摸视频| 美女 人体艺术 gogo| 日韩欧美一区二区三区在线观看| 99久久精品一区二区三区| 色播亚洲综合网| 亚洲成人久久性| 成人亚洲精品av一区二区| 亚洲精品粉嫩美女一区| 成人高潮视频无遮挡免费网站| 最近在线观看免费完整版| 日韩中字成人| 日日摸夜夜添夜夜添小说| 啪啪无遮挡十八禁网站| 男人舔奶头视频| 久久久久精品国产欧美久久久| 色综合站精品国产| 女同久久另类99精品国产91| 国产亚洲欧美98| 亚洲精品色激情综合| 免费看光身美女| av女优亚洲男人天堂| 精品国产三级普通话版| 日韩欧美在线乱码| 男人的好看免费观看在线视频| 精品人妻1区二区| 精品久久久久久久久久久久久| 亚洲av日韩精品久久久久久密| av福利片在线观看| 很黄的视频免费| 国产精品av视频在线免费观看| 国产欧美日韩精品一区二区| 亚洲国产精品成人综合色| 好男人电影高清在线观看| 99久久成人亚洲精品观看| 国产精品精品国产色婷婷| 亚洲第一区二区三区不卡| 久久久国产成人精品二区| 亚洲av免费在线观看| 欧美激情国产日韩精品一区| 麻豆成人午夜福利视频| 亚洲美女视频黄频| 亚洲中文日韩欧美视频| 成人无遮挡网站| 日韩欧美精品v在线| 精品国内亚洲2022精品成人| 嫩草影院入口| 日本与韩国留学比较| av在线老鸭窝| 女人十人毛片免费观看3o分钟| 91字幕亚洲| 一本精品99久久精品77| 日本a在线网址| 每晚都被弄得嗷嗷叫到高潮| 亚洲国产精品久久男人天堂| 俄罗斯特黄特色一大片| 国产精品一区二区性色av| 免费黄网站久久成人精品 | 三级男女做爰猛烈吃奶摸视频| 日本黄色片子视频| 哪里可以看免费的av片| av天堂中文字幕网| 女人被狂操c到高潮| 麻豆国产97在线/欧美| 小说图片视频综合网站| 麻豆av噜噜一区二区三区| 亚洲18禁久久av| 欧美激情久久久久久爽电影| 一级黄片播放器| 天堂动漫精品| 黄色日韩在线| 国产单亲对白刺激| 久久久久久国产a免费观看| 亚洲专区国产一区二区| 国产单亲对白刺激| 久久久久久国产a免费观看| 亚洲中文字幕日韩| 一卡2卡三卡四卡精品乱码亚洲| 欧美一区二区国产精品久久精品| 夜夜看夜夜爽夜夜摸| 精品99又大又爽又粗少妇毛片 | 老司机午夜福利在线观看视频| 国产精品日韩av在线免费观看| 日韩中文字幕欧美一区二区|