• <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
    a在线观看视频网站| 成人欧美大片| 九九在线视频观看精品| 热99在线观看视频| 亚洲七黄色美女视频| 国产成人aa在线观看| 亚洲av成人精品一区久久| h日本视频在线播放| 91av网一区二区| 国产精品自产拍在线观看55亚洲| 国产精品嫩草影院av在线观看 | 乱码一卡2卡4卡精品| 欧美激情久久久久久爽电影| 五月伊人婷婷丁香| 嫩草影院精品99| 毛片女人毛片| 亚洲人成网站高清观看| 国内精品美女久久久久久| 国产精品一及| 国产亚洲av嫩草精品影院| 亚洲第一电影网av| 国产探花极品一区二区| 美女大奶头视频| 一个人免费在线观看的高清视频| 亚洲成a人片在线一区二区| 国产欧美日韩精品一区二区| 波多野结衣高清无吗| 亚洲av美国av| 久久久久九九精品影院| 夜夜躁狠狠躁天天躁| 全区人妻精品视频| 少妇的逼好多水| 亚洲最大成人手机在线| 啦啦啦韩国在线观看视频| 成人特级黄色片久久久久久久| 草草在线视频免费看| 91在线精品国自产拍蜜月| 成人鲁丝片一二三区免费| 高潮久久久久久久久久久不卡| 熟女电影av网| 精品一区二区免费观看| 美女cb高潮喷水在线观看| 丰满人妻熟妇乱又伦精品不卡| 长腿黑丝高跟| 国产亚洲精品久久久com| 尤物成人国产欧美一区二区三区| 不卡一级毛片| 99在线人妻在线中文字幕| 久久九九热精品免费| 日韩欧美国产在线观看| 三级国产精品欧美在线观看| 亚洲av成人av| 能在线免费观看的黄片| 一本综合久久免费| 精品国产三级普通话版| 国产亚洲av嫩草精品影院| 久久国产精品人妻蜜桃| 国产爱豆传媒在线观看| 欧美性感艳星| 可以在线观看的亚洲视频| 国产精品野战在线观看| 午夜免费成人在线视频| 亚洲av熟女| 精品日产1卡2卡| 亚洲欧美日韩东京热| 亚洲美女黄片视频| 亚洲欧美日韩卡通动漫| 国产又黄又爽又无遮挡在线| 中文字幕av成人在线电影| 欧美精品国产亚洲| 麻豆成人午夜福利视频| 久久久久免费精品人妻一区二区| 精品久久久久久,| 我要搜黄色片| 成年女人毛片免费观看观看9| 一个人看视频在线观看www免费| 搡老岳熟女国产| 51午夜福利影视在线观看| 亚洲精品456在线播放app | 亚洲国产精品sss在线观看| 少妇裸体淫交视频免费看高清| 波多野结衣高清无吗| 欧美性猛交╳xxx乱大交人| 久久99热6这里只有精品| 欧美+日韩+精品| 亚洲精品成人久久久久久| 99国产精品一区二区蜜桃av| 国产 一区 欧美 日韩| 亚洲成人免费电影在线观看| 琪琪午夜伦伦电影理论片6080| 国产麻豆成人av免费视频| 中文字幕高清在线视频| 精品人妻视频免费看| 男女之事视频高清在线观看| 色尼玛亚洲综合影院| 在线观看66精品国产| 国产欧美日韩一区二区三| 午夜福利视频1000在线观看| 小蜜桃在线观看免费完整版高清| 美女大奶头视频| 色播亚洲综合网| 别揉我奶头 嗯啊视频| 在线天堂最新版资源| 黄色女人牲交| 亚洲人与动物交配视频| 欧美不卡视频在线免费观看| 一二三四社区在线视频社区8| 熟女人妻精品中文字幕| 又黄又爽又免费观看的视频| 久久久久久久久大av| 欧美成狂野欧美在线观看| 日日夜夜操网爽| 国内精品美女久久久久久| 自拍偷自拍亚洲精品老妇| 日本与韩国留学比较| 亚洲成人中文字幕在线播放| 国产主播在线观看一区二区| 成年女人永久免费观看视频| 夜夜爽天天搞| av女优亚洲男人天堂| 又爽又黄无遮挡网站| 免费在线观看日本一区| 少妇熟女aⅴ在线视频| 日韩中文字幕欧美一区二区| 精品人妻1区二区| 亚洲激情在线av| 观看美女的网站| 日韩有码中文字幕| 久久久久国产精品人妻aⅴ院| 99久久精品热视频| 美女 人体艺术 gogo| 日日摸夜夜添夜夜添av毛片 | 免费无遮挡裸体视频| 可以在线观看的亚洲视频| 国产美女午夜福利| 亚洲国产精品久久男人天堂| 国产精品亚洲美女久久久| 久久久久久九九精品二区国产| 亚洲欧美日韩无卡精品| 丰满人妻一区二区三区视频av| 中文字幕熟女人妻在线| 18禁裸乳无遮挡免费网站照片| 麻豆av噜噜一区二区三区| 国产又黄又爽又无遮挡在线| 亚洲无线观看免费| 久久精品91蜜桃| 久久精品国产自在天天线| 综合色av麻豆| 日本一二三区视频观看| 国产成人欧美在线观看| 麻豆一二三区av精品| 在线观看av片永久免费下载| 黄色视频,在线免费观看| 老司机福利观看| 一区二区三区激情视频| 51午夜福利影视在线观看| 日韩欧美国产在线观看| 久久国产乱子伦精品免费另类| 最近最新免费中文字幕在线| 国产精品不卡视频一区二区 | 欧美3d第一页| 日本黄色视频三级网站网址| 超碰av人人做人人爽久久| 高清在线国产一区| 最好的美女福利视频网| 欧美成狂野欧美在线观看| 亚洲国产日韩欧美精品在线观看| 宅男免费午夜| 男人狂女人下面高潮的视频| av在线蜜桃| 18禁在线播放成人免费| 内地一区二区视频在线| 精品一区二区三区视频在线观看免费| 国产一区二区三区在线臀色熟女| 国产精品美女特级片免费视频播放器| 亚洲色图av天堂| АⅤ资源中文在线天堂| 欧美3d第一页| 国产高清视频在线播放一区| 久久亚洲真实| 啦啦啦观看免费观看视频高清| 国产av在哪里看| 亚洲av熟女| 真实男女啪啪啪动态图| 搡老岳熟女国产| 欧美成狂野欧美在线观看| 国产精品亚洲美女久久久| 久久久成人免费电影| 欧美日韩福利视频一区二区| 日本成人三级电影网站| 日韩欧美免费精品| 日韩欧美在线二视频| 12—13女人毛片做爰片一| 我要搜黄色片| 天堂av国产一区二区熟女人妻| 日韩中字成人| 欧美xxxx性猛交bbbb| 成人国产综合亚洲| 亚洲无线在线观看| 日本一本二区三区精品| av欧美777| 成人av在线播放网站| 一个人看视频在线观看www免费| 亚洲av美国av| 欧美高清性xxxxhd video| 我的老师免费观看完整版| 我要搜黄色片| 天堂av国产一区二区熟女人妻| avwww免费| 欧美日韩福利视频一区二区| 中文亚洲av片在线观看爽| 国产精品精品国产色婷婷| 精品人妻一区二区三区麻豆 | 看片在线看免费视频| 婷婷色综合大香蕉| 精品无人区乱码1区二区| 欧美最新免费一区二区三区 | 淫妇啪啪啪对白视频| 午夜影院日韩av| 亚洲五月天丁香| 波多野结衣巨乳人妻| 精品一区二区免费观看| 国产成人欧美在线观看| 91字幕亚洲| 亚洲五月天丁香| 日韩欧美在线乱码| 长腿黑丝高跟| 最近最新中文字幕大全电影3| 国产av在哪里看| 美女cb高潮喷水在线观看| 老司机深夜福利视频在线观看| 亚洲av免费在线观看| 欧美3d第一页| 又粗又爽又猛毛片免费看| 性插视频无遮挡在线免费观看| 天堂av国产一区二区熟女人妻| 久久婷婷人人爽人人干人人爱| 国产中年淑女户外野战色| 麻豆成人av在线观看| 一级毛片久久久久久久久女| 看黄色毛片网站| 我的女老师完整版在线观看| 亚洲avbb在线观看| 日本与韩国留学比较| 十八禁人妻一区二区| 淫妇啪啪啪对白视频| 九九在线视频观看精品| 国产伦精品一区二区三区视频9| 成人无遮挡网站| 国产精品一区二区免费欧美| 变态另类成人亚洲欧美熟女| 亚洲美女黄片视频| 69人妻影院| 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 | 久久久久亚洲av毛片大全| 亚洲欧美日韩卡通动漫| 亚洲不卡免费看| 小说图片视频综合网站| 美女高潮喷水抽搐中文字幕| 99在线视频只有这里精品首页| 日日夜夜操网爽| 国产精品综合久久久久久久免费| 久久久久久久久久黄片| 午夜老司机福利剧场| 午夜久久久久精精品| 婷婷精品国产亚洲av| 宅男免费午夜| 亚洲五月婷婷丁香| 亚洲在线观看片| 不卡一级毛片| 久久久久久大精品| 最新在线观看一区二区三区| 欧美激情久久久久久爽电影| eeuss影院久久| 偷拍熟女少妇极品色| 中出人妻视频一区二区| 一个人看视频在线观看www免费| 黄色女人牲交| 如何舔出高潮| 精品人妻视频免费看| 日韩有码中文字幕| 成人av一区二区三区在线看| 嫁个100分男人电影在线观看| 久久久久国产精品人妻aⅴ院| 一个人免费在线观看的高清视频| 波多野结衣巨乳人妻| 国产成年人精品一区二区| 亚洲男人的天堂狠狠| 日本五十路高清| 麻豆成人午夜福利视频| av在线蜜桃| 午夜老司机福利剧场| 国内精品一区二区在线观看| 日本免费a在线| 国产伦精品一区二区三区四那| 亚洲综合色惰| 亚洲第一电影网av| 黄色女人牲交| 亚洲av电影不卡..在线观看| www日本黄色视频网| 国内精品久久久久久久电影| 又粗又爽又猛毛片免费看| 成年人黄色毛片网站| .国产精品久久| 最近中文字幕高清免费大全6 | 日韩精品中文字幕看吧| 嫩草影院新地址| 久久久久久久久中文| 欧美精品国产亚洲| 免费观看精品视频网站| www.999成人在线观看| 直男gayav资源| 午夜福利欧美成人| 成人亚洲精品av一区二区| 无遮挡黄片免费观看| 亚洲人成伊人成综合网2020| 91字幕亚洲| 国产淫片久久久久久久久 | 99久久无色码亚洲精品果冻| 亚洲国产精品合色在线| av视频在线观看入口| 久久久久久久久久成人| 一级毛片久久久久久久久女| 久久久久久久久久成人| 搡老妇女老女人老熟妇| 国产免费男女视频| 欧美日韩乱码在线| 国产精品乱码一区二三区的特点| 嫩草影院新地址| 搡老熟女国产l中国老女人| 国产亚洲欧美在线一区二区| 国产伦精品一区二区三区四那| 亚洲成人精品中文字幕电影| 欧美黄色淫秽网站| 少妇人妻一区二区三区视频| 99久国产av精品| 免费看a级黄色片| 午夜激情福利司机影院| 嫩草影视91久久| 可以在线观看的亚洲视频| 国产免费一级a男人的天堂| a在线观看视频网站| .国产精品久久| 免费人成视频x8x8入口观看| 婷婷精品国产亚洲av| 99久久无色码亚洲精品果冻| 免费av不卡在线播放| 免费人成视频x8x8入口观看| .国产精品久久| 99久久无色码亚洲精品果冻| 国产毛片a区久久久久| 国产黄色小视频在线观看| 在线播放无遮挡| 欧美性猛交黑人性爽| a级一级毛片免费在线观看| 亚洲国产欧洲综合997久久,| 啦啦啦观看免费观看视频高清| 男女床上黄色一级片免费看| 99热精品在线国产| 久久精品影院6| 国产成人啪精品午夜网站| ponron亚洲| 国产精品98久久久久久宅男小说| 亚洲激情在线av| 精品人妻熟女av久视频| 日韩精品中文字幕看吧| 国产成年人精品一区二区| 99在线视频只有这里精品首页| 国产午夜精品论理片| 国产精品,欧美在线| 国产视频内射| 国产白丝娇喘喷水9色精品| 欧美精品国产亚洲| 免费看日本二区| 精品一区二区三区人妻视频| 亚洲av熟女| 日日夜夜操网爽| 色在线成人网| 欧美xxxx黑人xx丫x性爽| 日韩欧美在线乱码| 宅男免费午夜| 日本黄色片子视频| 午夜福利在线观看免费完整高清在 | 亚洲欧美清纯卡通| 色哟哟哟哟哟哟| 精品一区二区三区视频在线| 男人舔奶头视频| 精品无人区乱码1区二区| 久久久久亚洲av毛片大全| 日本撒尿小便嘘嘘汇集6| 午夜免费成人在线视频| 99久国产av精品| 一a级毛片在线观看| 亚洲男人的天堂狠狠| 久久婷婷人人爽人人干人人爱| 在线播放国产精品三级| 亚洲av免费在线观看| 日韩大尺度精品在线看网址| 国产一区二区激情短视频| 精品久久久久久久人妻蜜臀av| 亚洲av日韩精品久久久久久密| 99久久99久久久精品蜜桃| or卡值多少钱| 在线十欧美十亚洲十日本专区| 国产高清有码在线观看视频| 一级黄色大片毛片| 禁无遮挡网站| 亚洲 国产 在线| 很黄的视频免费| 亚洲成人精品中文字幕电影| 亚洲美女搞黄在线观看 | 亚洲美女黄片视频| 99热这里只有精品一区| 国产91精品成人一区二区三区| 国产精品一区二区免费欧美| 亚洲av日韩精品久久久久久密| 在线观看舔阴道视频| 深爱激情五月婷婷| 国内精品一区二区在线观看| 性色avwww在线观看| 国产一区二区三区视频了| 国产亚洲精品久久久com| 亚洲色图av天堂| 日本成人三级电影网站| 亚洲自偷自拍三级| 又爽又黄无遮挡网站| 亚洲成人久久性| 亚洲性夜色夜夜综合| 男女那种视频在线观看| 精品人妻1区二区| 夜夜爽天天搞| 一本综合久久免费| 欧美黑人欧美精品刺激| 极品教师在线视频| ponron亚洲| 欧美成人一区二区免费高清观看| 99久久精品一区二区三区| 国产精品久久久久久精品电影| 亚洲人成伊人成综合网2020| 一区二区三区激情视频| 岛国在线免费视频观看| 免费无遮挡裸体视频| 男人的好看免费观看在线视频| 91久久精品电影网| 国产单亲对白刺激| 亚洲av.av天堂| 欧美一级a爱片免费观看看| 丰满乱子伦码专区| 黄色配什么色好看| 亚洲成av人片免费观看| 神马国产精品三级电影在线观看| 欧美日韩亚洲国产一区二区在线观看| 91麻豆精品激情在线观看国产| 99热精品在线国产| 观看美女的网站| 黄色日韩在线| 麻豆成人午夜福利视频| 日韩成人在线观看一区二区三区| 在线播放国产精品三级| 女生性感内裤真人,穿戴方法视频| 色5月婷婷丁香| 欧美黑人巨大hd| 精品国产亚洲在线| 国产视频内射| www.色视频.com| av在线老鸭窝| 国产精品精品国产色婷婷| 黄色一级大片看看| 好男人在线观看高清免费视频| 国产高清视频在线播放一区| 国产麻豆成人av免费视频| 日韩成人在线观看一区二区三区| 国内久久婷婷六月综合欲色啪| 长腿黑丝高跟| 成人永久免费在线观看视频| 欧美xxxx黑人xx丫x性爽| 亚洲成人久久性| 首页视频小说图片口味搜索| www.色视频.com| 国产欧美日韩精品一区二区| 51午夜福利影视在线观看| 国产视频一区二区在线看| 国产人妻一区二区三区在| 国产真实伦视频高清在线观看 | 窝窝影院91人妻| 欧美一区二区亚洲| 三级男女做爰猛烈吃奶摸视频| 男人和女人高潮做爰伦理| 国产三级中文精品| 亚洲久久久久久中文字幕| 亚洲国产欧洲综合997久久,| 一本综合久久免费| 亚洲精品久久国产高清桃花| 亚洲精品亚洲一区二区| 亚洲男人的天堂狠狠| 免费高清视频大片| 91九色精品人成在线观看| 亚洲精品影视一区二区三区av| 日韩欧美 国产精品| 欧美中文日本在线观看视频| 91麻豆精品激情在线观看国产| 国产在线男女| 久久6这里有精品| 国内精品一区二区在线观看| 国产一区二区在线av高清观看| av视频在线观看入口| a级一级毛片免费在线观看| 亚洲精品色激情综合| 日本在线视频免费播放| 男女做爰动态图高潮gif福利片| 国产成人啪精品午夜网站| 日韩精品青青久久久久久| 十八禁人妻一区二区| 99视频精品全部免费 在线| 中国美女看黄片| 看免费av毛片| 99热只有精品国产| 亚洲avbb在线观看| 国产爱豆传媒在线观看| 亚洲成av人片免费观看| 亚洲精品一卡2卡三卡4卡5卡| 天天躁日日操中文字幕| 黄色一级大片看看| www.色视频.com| 乱码一卡2卡4卡精品| 十八禁网站免费在线| 免费在线观看日本一区| 亚洲熟妇熟女久久| 成人精品一区二区免费| 欧美精品国产亚洲| 免费观看精品视频网站| 天堂动漫精品| 欧美极品一区二区三区四区| 久久99热这里只有精品18| 亚洲天堂国产精品一区在线| 国产精品久久久久久精品电影| av在线老鸭窝| 国产精品一区二区三区四区久久| 欧美最黄视频在线播放免费| 久久久精品欧美日韩精品| 欧美精品啪啪一区二区三区| 免费搜索国产男女视频| 三级男女做爰猛烈吃奶摸视频| 午夜老司机福利剧场| 午夜福利在线观看免费完整高清在 | 国内毛片毛片毛片毛片毛片| 国产精品国产高清国产av| 国模一区二区三区四区视频| 在线观看66精品国产| 高清毛片免费观看视频网站| 国产老妇女一区| 最近在线观看免费完整版| 久久久久亚洲av毛片大全| 色综合欧美亚洲国产小说| www.色视频.com| 成年女人毛片免费观看观看9| 99久久精品热视频| 99精品在免费线老司机午夜| 久久精品综合一区二区三区| 国产成+人综合+亚洲专区| 日本 欧美在线| 悠悠久久av| 最新在线观看一区二区三区| 少妇人妻一区二区三区视频| 欧美高清性xxxxhd video| 丰满人妻一区二区三区视频av| 亚洲av中文字字幕乱码综合| 日本a在线网址| 亚洲中文字幕日韩| 亚洲人成伊人成综合网2020| 久久精品夜夜夜夜夜久久蜜豆| 午夜精品一区二区三区免费看| 我要看日韩黄色一级片| 国语自产精品视频在线第100页| 国产欧美日韩一区二区精品| 久久国产乱子伦精品免费另类| 日韩欧美国产在线观看| 久久久久久久午夜电影| 日韩国内少妇激情av| 男人的好看免费观看在线视频| 欧美又色又爽又黄视频| 亚洲美女搞黄在线观看 | 国内少妇人妻偷人精品xxx网站| 老司机午夜福利在线观看视频| 亚洲,欧美精品.| 中文资源天堂在线| 久久久久国内视频| 国产精品影院久久| 国内久久婷婷六月综合欲色啪| 国产精品日韩av在线免费观看| 两性午夜刺激爽爽歪歪视频在线观看| 嫁个100分男人电影在线观看| 人人妻,人人澡人人爽秒播| 亚洲国产精品久久男人天堂| 亚洲精品色激情综合| 国产在线精品亚洲第一网站| 国产亚洲欧美在线一区二区| 99久久九九国产精品国产免费| 日韩亚洲欧美综合| 色在线成人网| 最近最新中文字幕大全电影3| 亚洲国产欧洲综合997久久,| 麻豆一二三区av精品| 我要搜黄色片| av天堂中文字幕网| 日韩亚洲欧美综合| 国产三级在线视频| 亚洲第一电影网av| 变态另类丝袜制服| 一本综合久久免费| 日本 欧美在线| 国产精品一区二区性色av| 国产视频内射| 婷婷六月久久综合丁香| 脱女人内裤的视频|