• <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
    看十八女毛片水多多多| 亚洲国产日韩欧美精品在线观看| 国产激情偷乱视频一区二区| 亚洲精品日韩在线中文字幕 | 国产精品一区二区三区四区免费观看 | 我的老师免费观看完整版| 3wmmmm亚洲av在线观看| 久久久精品大字幕| 国产一区二区激情短视频| 成人综合一区亚洲| 一本一本综合久久| 国产精品久久久久久久电影| 午夜福利成人在线免费观看| 亚洲激情五月婷婷啪啪| 日韩大尺度精品在线看网址| av视频在线观看入口| 国产女主播在线喷水免费视频网站 | av在线天堂中文字幕| 婷婷精品国产亚洲av| 午夜老司机福利剧场| 少妇高潮的动态图| 亚洲欧美日韩卡通动漫| 亚洲国产高清在线一区二区三| 天美传媒精品一区二区| 久久亚洲国产成人精品v| 色哟哟哟哟哟哟| 欧美最黄视频在线播放免费| 麻豆av噜噜一区二区三区| 毛片一级片免费看久久久久| 国国产精品蜜臀av免费| eeuss影院久久| 国产精品一区二区三区四区免费观看 | 欧美xxxx性猛交bbbb| 国产精品一及| 少妇熟女aⅴ在线视频| 1024手机看黄色片| 国产 一区精品| 热99re8久久精品国产| 国产伦在线观看视频一区| 97在线视频观看| 国产精品精品国产色婷婷| 成人无遮挡网站| 成熟少妇高潮喷水视频| 婷婷亚洲欧美| 精品久久久久久久久亚洲| 少妇人妻一区二区三区视频| 欧美日本亚洲视频在线播放| 亚洲综合色惰| www.色视频.com| 国产日本99.免费观看| 亚洲国产日韩欧美精品在线观看| 免费一级毛片在线播放高清视频| a级一级毛片免费在线观看| 中国美白少妇内射xxxbb| 一个人看视频在线观看www免费| 精品少妇黑人巨大在线播放 | 日韩精品中文字幕看吧| 内地一区二区视频在线| 舔av片在线| 日日摸夜夜添夜夜添小说| 狠狠狠狠99中文字幕| 欧美三级亚洲精品| 日韩大尺度精品在线看网址| 国产精品一区二区免费欧美| 国产aⅴ精品一区二区三区波| 亚洲不卡免费看| 麻豆乱淫一区二区| 少妇猛男粗大的猛烈进出视频 | 蜜桃久久精品国产亚洲av| 亚洲国产欧洲综合997久久,| 亚洲丝袜综合中文字幕| 六月丁香七月| 久久精品夜夜夜夜夜久久蜜豆| 国产色爽女视频免费观看| 欧美激情在线99| 日产精品乱码卡一卡2卡三| 夜夜夜夜夜久久久久| 香蕉av资源在线| 欧美不卡视频在线免费观看| 尾随美女入室| 国产精品国产高清国产av| 国产白丝娇喘喷水9色精品| 99视频精品全部免费 在线| 特级一级黄色大片| 午夜久久久久精精品| 麻豆国产av国片精品| 国产亚洲av嫩草精品影院| 久久亚洲精品不卡| 人妻制服诱惑在线中文字幕| 国产精品久久久久久久久免| 久久6这里有精品| 亚洲成人中文字幕在线播放| 亚洲欧美日韩高清在线视频| 欧美zozozo另类| 中文字幕av成人在线电影| 最近最新中文字幕大全电影3| 男女边吃奶边做爰视频| 亚洲成人av在线免费| 国产黄色视频一区二区在线观看 | 日韩欧美精品v在线| 久久精品国产自在天天线| 99在线人妻在线中文字幕| 亚州av有码| 99久久中文字幕三级久久日本| 精品一区二区免费观看| 国产精品无大码| 尤物成人国产欧美一区二区三区| 久久久久九九精品影院| 变态另类丝袜制服| 成人毛片a级毛片在线播放| 黄片wwwwww| АⅤ资源中文在线天堂| 狠狠狠狠99中文字幕| 精品乱码久久久久久99久播| 日韩欧美 国产精品| 国产成人a区在线观看| 亚洲最大成人手机在线| av免费在线看不卡| 熟女电影av网| 老女人水多毛片| 亚洲中文日韩欧美视频| 日韩精品中文字幕看吧| 日本撒尿小便嘘嘘汇集6| 欧美性猛交╳xxx乱大交人| 国产一区亚洲一区在线观看| 天天躁夜夜躁狠狠久久av| 国产毛片a区久久久久| 精品午夜福利视频在线观看一区| 岛国在线免费视频观看| 国产精品久久久久久精品电影| 悠悠久久av| 少妇丰满av| 国产精品日韩av在线免费观看| 日韩成人av中文字幕在线观看 | 不卡视频在线观看欧美| 欧美激情国产日韩精品一区| 免费av观看视频| 白带黄色成豆腐渣| 色哟哟哟哟哟哟| 国产乱人视频| 久久久成人免费电影| 国产精品亚洲一级av第二区| 丝袜喷水一区| 国产视频内射| 99国产精品一区二区蜜桃av| 久久久成人免费电影| 天天躁夜夜躁狠狠久久av| 国产伦在线观看视频一区| 国模一区二区三区四区视频| av中文乱码字幕在线| 亚洲电影在线观看av| 亚洲在线自拍视频| 亚洲成人久久性| 中出人妻视频一区二区| 亚洲成人中文字幕在线播放| 小说图片视频综合网站| 免费av观看视频| 97超级碰碰碰精品色视频在线观看| 免费人成视频x8x8入口观看| 精品乱码久久久久久99久播| 国产精品无大码| 两个人的视频大全免费| 欧美绝顶高潮抽搐喷水| 精品久久久久久久人妻蜜臀av| 亚洲不卡免费看| 国产大屁股一区二区在线视频| 九九爱精品视频在线观看| 精品少妇黑人巨大在线播放 | 久久亚洲国产成人精品v| 国产成人影院久久av| 久久久成人免费电影| 男人舔奶头视频| 亚洲成人久久性| 欧美日韩一区二区视频在线观看视频在线 | 国产成人a区在线观看| 亚洲第一电影网av| 久久草成人影院| 国产精品美女特级片免费视频播放器| 日韩亚洲欧美综合| 欧美色欧美亚洲另类二区| 午夜激情欧美在线| 国产男靠女视频免费网站| 日本五十路高清| eeuss影院久久| 国产av不卡久久| 国产精品三级大全| av视频在线观看入口| 99热6这里只有精品| 国内久久婷婷六月综合欲色啪| 成人一区二区视频在线观看| 在线播放无遮挡| 国产白丝娇喘喷水9色精品| 国产熟女欧美一区二区| 成人三级黄色视频| 我的女老师完整版在线观看| 嫩草影视91久久| 自拍偷自拍亚洲精品老妇| 日本成人三级电影网站| 中国国产av一级| 免费电影在线观看免费观看| 日本 av在线| 亚洲美女黄片视频| 老熟妇仑乱视频hdxx| 变态另类成人亚洲欧美熟女| 1000部很黄的大片| 亚洲电影在线观看av| 人人妻人人澡人人爽人人夜夜 | 天天躁日日操中文字幕| 嫩草影院新地址| 亚洲精品影视一区二区三区av| 亚洲精品国产av成人精品 | 亚洲色图av天堂| 亚洲中文字幕日韩| 久久热精品热| 深夜a级毛片| 日本 av在线| 波多野结衣高清作品| 国产一区二区三区在线臀色熟女| 日韩成人av中文字幕在线观看 | 久久久久久久久久成人| 精品福利观看| 欧美三级亚洲精品| 亚洲精品日韩在线中文字幕 | 成人高潮视频无遮挡免费网站| 全区人妻精品视频| 国产精品av视频在线免费观看| av中文乱码字幕在线| 久久综合国产亚洲精品| 特大巨黑吊av在线直播| 亚洲成av人片在线播放无| 99久久久亚洲精品蜜臀av| 99热只有精品国产| av卡一久久| 国产精品久久电影中文字幕| 少妇熟女aⅴ在线视频| av国产免费在线观看| 听说在线观看完整版免费高清| 欧美日韩乱码在线| 亚洲成人久久爱视频| 久久久a久久爽久久v久久| 黄色日韩在线| 有码 亚洲区| 综合色丁香网| 十八禁国产超污无遮挡网站| 国产一区二区在线观看日韩| 在线看三级毛片| 高清午夜精品一区二区三区 | 51国产日韩欧美| .国产精品久久| 九九热线精品视视频播放| 直男gayav资源| 欧美又色又爽又黄视频| 最近在线观看免费完整版| 亚洲国产精品合色在线| 黄色视频,在线免费观看| 国产又黄又爽又无遮挡在线| 蜜臀久久99精品久久宅男| 国产成人影院久久av| 特级一级黄色大片| 国产精品爽爽va在线观看网站| 蜜桃久久精品国产亚洲av| 久久欧美精品欧美久久欧美| 麻豆国产av国片精品| 国产免费男女视频| 丰满乱子伦码专区| 久久久精品大字幕| 国产高清激情床上av| 日本撒尿小便嘘嘘汇集6| 欧美三级亚洲精品| 在线观看午夜福利视频| 白带黄色成豆腐渣| 日本a在线网址| 午夜视频国产福利| 十八禁网站免费在线| 蜜桃久久精品国产亚洲av| 亚洲精品在线观看二区| 精品一区二区三区视频在线| 国产精品1区2区在线观看.| 深爱激情五月婷婷| 精品久久久久久久人妻蜜臀av| 日日撸夜夜添| 女的被弄到高潮叫床怎么办| 亚洲精品一区av在线观看| 1024手机看黄色片| 日本-黄色视频高清免费观看| 91在线精品国自产拍蜜月| 啦啦啦韩国在线观看视频| 日本 av在线| 色视频www国产| 12—13女人毛片做爰片一| 国产精品久久久久久av不卡| 人妻制服诱惑在线中文字幕| 我要搜黄色片| 搡老熟女国产l中国老女人| 亚洲18禁久久av| 欧洲精品卡2卡3卡4卡5卡区| 精品久久久久久久久亚洲| 久久精品夜色国产| 我的老师免费观看完整版| 中国美女看黄片| 久久鲁丝午夜福利片| 欧美一区二区国产精品久久精品| 免费观看精品视频网站| 国产精品一区二区三区四区久久| 中文在线观看免费www的网站| 亚洲精品日韩av片在线观看| 99热全是精品| 99久久久亚洲精品蜜臀av| 在线观看午夜福利视频| 黄色日韩在线| 欧美成人a在线观看| 熟妇人妻久久中文字幕3abv| 免费大片18禁| 搡老熟女国产l中国老女人| 麻豆国产97在线/欧美| 国产乱人偷精品视频| 一级a爱片免费观看的视频| 国产中年淑女户外野战色| 亚洲欧美精品自产自拍| 一本久久中文字幕| 在线观看免费视频日本深夜| 欧美xxxx黑人xx丫x性爽| 天天一区二区日本电影三级| 亚洲av第一区精品v没综合| 日韩在线高清观看一区二区三区| a级毛片a级免费在线| 欧美一级a爱片免费观看看| 精品一区二区免费观看| 在线播放国产精品三级| 3wmmmm亚洲av在线观看| 干丝袜人妻中文字幕| 久久精品人妻少妇| 国产黄色视频一区二区在线观看 | 国产精品国产高清国产av| 亚洲av免费在线观看| 午夜激情福利司机影院| 真人做人爱边吃奶动态| 欧美成人a在线观看| 看片在线看免费视频| 我的女老师完整版在线观看| 91精品国产九色| 亚洲第一区二区三区不卡| 91麻豆精品激情在线观看国产| 欧美xxxx性猛交bbbb| 黄色一级大片看看| 国产高清视频在线观看网站| 校园春色视频在线观看| 男女啪啪激烈高潮av片| 久久天躁狠狠躁夜夜2o2o| 久久亚洲国产成人精品v| 波多野结衣高清作品| 亚洲美女搞黄在线观看 | 18禁在线无遮挡免费观看视频 | 淫秽高清视频在线观看| 别揉我奶头 嗯啊视频| 日日啪夜夜撸| 男女视频在线观看网站免费| 欧美一级a爱片免费观看看| 亚洲成人中文字幕在线播放| 国产高清有码在线观看视频| 99精品在免费线老司机午夜| 在线观看av片永久免费下载| 日日干狠狠操夜夜爽| 日韩欧美国产在线观看| 精品一区二区三区人妻视频| 噜噜噜噜噜久久久久久91| 欧美成人精品欧美一级黄| 黄色日韩在线| 久久久久久久久久黄片| 日本撒尿小便嘘嘘汇集6| 不卡视频在线观看欧美| 久久亚洲精品不卡| 精品日产1卡2卡| 国产精品无大码| 啦啦啦啦在线视频资源| 97人妻精品一区二区三区麻豆| 欧美3d第一页| 精华霜和精华液先用哪个| 久久久国产成人精品二区| 免费看a级黄色片| a级毛色黄片| 国产av在哪里看| 日本撒尿小便嘘嘘汇集6| 亚洲精品日韩在线中文字幕 | 久久人妻av系列| 久久人人精品亚洲av| 午夜福利视频1000在线观看| 国产伦在线观看视频一区| 少妇的逼好多水| av黄色大香蕉| 色噜噜av男人的天堂激情| 99热这里只有是精品在线观看| 日本熟妇午夜| 3wmmmm亚洲av在线观看| 天天躁日日操中文字幕| 国产在线精品亚洲第一网站| 1000部很黄的大片| 18禁在线播放成人免费| 欧美成人精品欧美一级黄| 小说图片视频综合网站| 免费不卡的大黄色大毛片视频在线观看 | 啦啦啦观看免费观看视频高清| 国产精品永久免费网站| 两性午夜刺激爽爽歪歪视频在线观看| av天堂在线播放| a级毛片免费高清观看在线播放| 日本撒尿小便嘘嘘汇集6| 国产在线男女| www.色视频.com| 亚洲成a人片在线一区二区| 小说图片视频综合网站| 在线观看美女被高潮喷水网站| 干丝袜人妻中文字幕| 一级毛片aaaaaa免费看小| 日本免费一区二区三区高清不卡| 99riav亚洲国产免费| 国产精品乱码一区二三区的特点| 九九热线精品视视频播放| 日本一二三区视频观看| 亚洲色图av天堂| 观看美女的网站| 国产欧美日韩精品一区二区| 亚洲自拍偷在线| 久久久国产成人免费| 白带黄色成豆腐渣| 日本免费a在线| 尤物成人国产欧美一区二区三区| 色哟哟哟哟哟哟| 欧美成人a在线观看| 亚洲四区av| 亚洲成人av在线免费| 免费大片18禁| 国产大屁股一区二区在线视频| 18禁黄网站禁片免费观看直播| 非洲黑人性xxxx精品又粗又长| 天堂网av新在线| 国产成人91sexporn| 晚上一个人看的免费电影| 国产av在哪里看| 我的老师免费观看完整版| 高清毛片免费观看视频网站| 熟妇人妻久久中文字幕3abv| 久久综合国产亚洲精品| 波多野结衣巨乳人妻| 国产精品,欧美在线| 亚洲不卡免费看| 看免费成人av毛片| 最新中文字幕久久久久| 老司机午夜福利在线观看视频| 美女大奶头视频| 最后的刺客免费高清国语| 国产精品乱码一区二三区的特点| 国产精品一区二区三区四区久久| 国产精品日韩av在线免费观看| 老师上课跳d突然被开到最大视频| 免费在线观看影片大全网站| 亚洲va在线va天堂va国产| 国产精品一区二区三区四区免费观看 | 日韩欧美一区二区三区在线观看| 又粗又爽又猛毛片免费看| 久久综合国产亚洲精品| 国产av麻豆久久久久久久| 国产精品人妻久久久影院| 蜜桃亚洲精品一区二区三区| 日本五十路高清| 一个人观看的视频www高清免费观看| 午夜福利成人在线免费观看| 不卡一级毛片| 18禁在线播放成人免费| 亚洲天堂国产精品一区在线| 国产不卡一卡二| 精品久久久久久久末码| 99久久九九国产精品国产免费| 国产精品,欧美在线| 又黄又爽又刺激的免费视频.| avwww免费| 色视频www国产| 午夜影院日韩av| 韩国av在线不卡| 小说图片视频综合网站| 欧美xxxx黑人xx丫x性爽| 成年版毛片免费区| 最近中文字幕高清免费大全6| 国产黄色视频一区二区在线观看 | av在线老鸭窝| 精品人妻偷拍中文字幕| 日韩高清综合在线| 在线a可以看的网站| 少妇猛男粗大的猛烈进出视频 | 亚洲最大成人av| 中文字幕av在线有码专区| 精品乱码久久久久久99久播| 亚洲欧美精品综合久久99| 国产免费一级a男人的天堂| 精品欧美国产一区二区三| 国产极品精品免费视频能看的| 九色成人免费人妻av| 国产精品电影一区二区三区| 国产av不卡久久| 成人鲁丝片一二三区免费| 深夜a级毛片| 国产精品精品国产色婷婷| 赤兔流量卡办理| 成年女人永久免费观看视频| 日日摸夜夜添夜夜添小说| 久久久久久国产a免费观看| 乱码一卡2卡4卡精品| 菩萨蛮人人尽说江南好唐韦庄 | 在线a可以看的网站| 久久久久国内视频| 尾随美女入室| 淫秽高清视频在线观看| 亚洲性久久影院| 免费看美女性在线毛片视频| 精品少妇黑人巨大在线播放 | 寂寞人妻少妇视频99o| 国产成人福利小说| 欧美国产日韩亚洲一区| 久久婷婷人人爽人人干人人爱| 亚洲人成网站在线播| 少妇丰满av| 国产精华一区二区三区| 国产一级毛片七仙女欲春2| 久久午夜福利片| 欧美日韩一区二区视频在线观看视频在线 | 久久久精品欧美日韩精品| 亚洲性久久影院| 亚洲欧美精品自产自拍| 久久久国产成人免费| 精品一区二区三区视频在线观看免费| 99久国产av精品国产电影| 欧美激情国产日韩精品一区| 少妇裸体淫交视频免费看高清| 一个人看视频在线观看www免费| 99九九线精品视频在线观看视频| 99热这里只有是精品50| 日本a在线网址| 久久亚洲国产成人精品v| 综合色av麻豆| av在线亚洲专区| 69人妻影院| 久久久久久久久久成人| 欧美激情在线99| 极品教师在线视频| 久久这里只有精品中国| 乱码一卡2卡4卡精品| 亚洲欧美成人综合另类久久久 | 欧美一区二区国产精品久久精品| 国产欧美日韩精品一区二区| 嫩草影院精品99| 亚洲无线观看免费| a级毛片a级免费在线| 欧美激情国产日韩精品一区| 狠狠狠狠99中文字幕| 久久久久国产精品人妻aⅴ院| 国产国拍精品亚洲av在线观看| 精品久久久久久久人妻蜜臀av| 超碰av人人做人人爽久久| 成人高潮视频无遮挡免费网站| 激情 狠狠 欧美| 国产精品国产高清国产av| 一边摸一边抽搐一进一小说| 日韩在线高清观看一区二区三区| 狠狠狠狠99中文字幕| 女同久久另类99精品国产91| 日韩亚洲欧美综合| 亚洲经典国产精华液单| 久久国内精品自在自线图片| 国产爱豆传媒在线观看| 美女 人体艺术 gogo| av国产免费在线观看| 日本三级黄在线观看| 男人舔女人下体高潮全视频| 级片在线观看| 97超视频在线观看视频| 国产激情偷乱视频一区二区| 91久久精品国产一区二区三区| 一个人看视频在线观看www免费| 精品久久久久久久久亚洲| 美女大奶头视频| 黄色视频,在线免费观看| 一个人免费在线观看电影| 人人妻人人看人人澡| 亚洲综合色惰| 国产v大片淫在线免费观看| 色5月婷婷丁香| 嫩草影院精品99| 成人av在线播放网站| 身体一侧抽搐| 午夜福利视频1000在线观看| 亚洲成av人片在线播放无| 高清日韩中文字幕在线| 国产精品久久久久久久久免| 少妇的逼水好多| 女生性感内裤真人,穿戴方法视频| 久久久久久久亚洲中文字幕| 三级国产精品欧美在线观看| 男人的好看免费观看在线视频| 国产精品野战在线观看| 亚洲国产高清在线一区二区三| 国产成人a∨麻豆精品| 少妇高潮的动态图| 两个人视频免费观看高清| 国产精品乱码一区二三区的特点| 国产精品久久视频播放| 亚洲一区二区三区色噜噜| 最近在线观看免费完整版| 国产一区二区三区av在线 | 久久久国产成人精品二区| 99热网站在线观看| 成人精品一区二区免费| 亚洲av熟女| 亚洲色图av天堂| 国产精品嫩草影院av在线观看| 国产一区二区三区av在线 |