• <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 ?

    基于特征值融合的動態(tài)信道化子帶檢測算法

    2025-03-20 00:00:00陳侯伯劉霖崔寧張旭冉趙麒瑞劉翔

    摘 要:針對動態(tài)數(shù)字信道化接收領(lǐng)域中傳統(tǒng)子帶檢測算法需要信號和噪聲先驗信息等問題,提出基于特征值融合的動態(tài)信道化子帶檢測算法。首先,基于隨機矩陣?yán)碚摚╮andom matrix theory, RMT),利用采樣協(xié)方差矩陣中的最大、最小和平均特征值,引入融合參數(shù)α,構(gòu)造融合檢測統(tǒng)計量。隨后,通過最小特征值的極限分布,推導(dǎo)出一種高效的檢測門限,并據(jù)此設(shè)計一套基于特征值融合的子帶盲檢測算法,命名為α 最大、最小和平均特征值(α maximum average minimum eigenvalue, α MAME)算法。在實驗階段,對不同動態(tài)數(shù)字信道化接收條件下的算法性能進(jìn)行仿真驗證。結(jié)果表明,與現(xiàn)有算法相比,所提子帶檢測算法在低信噪比和低維度條件下具有更好的檢測性能。

    關(guān)鍵詞: 動態(tài)數(shù)字信道化; 子帶檢測; 特征值檢測; 隨機矩陣

    中圖分類號: TN 911.7

    文獻(xiàn)標(biāo)志碼: ADOI:10.12305/j.issn.1001 506X.2025.02.03

    Dynamic channelized subband detection algorithm based on eigenvalue fusion

    CHEN Houbo1,2, LIU Lin1,2,*, CUI Ning1, ZHANG Xuran3, ZHAO Qirui1, LIU Xiang1

    (1. Aerospace Information Innovation Institute, Chinese Academy of Sciences, Beijing 100094, China;

    2. School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing 100049, China;

    3. School of Information Science and Technology, Fudan University, Shanghai 200433, China)

    Abstract:To address issues in traditional subband detection algorithms in the field of dynamic digital channelized reception field, such as the need for prior information about signals and noise. An eigenvalue fusion based dynamic channel subband detection algorithm is proposed. Firstly, based on random matrix theory (RMT), the maximum, minimum, and average feature values in the sampled covariance matrix are employed, incorporating a fusion parameter α to construct a fusion detection statistical value. Subsequently, an efficient detection threshold is derived through the limit distribution of the minimum feature value. Based on this, a subband blind detection algorithm based on feature value fusion is designed, which is named as the α maximum average minimum eigenvalue (α MAME) algorithm. In the experiment, the algorithm’s performance is simulated and verified under various receiving conditions of dynamic digital channels. The experimental results indicate that compared to existing algorithms, the proposed subband detection algorithm demonstrates superior detection performance under low signal to noise ratios and low dimensional conditions.

    Keywords:dynamic digital channelization; subband detection; eigenvalue detection; random matrix

    0 引 言

    在信息技術(shù)迅猛發(fā)展的當(dāng)今時代,多種體制的通信設(shè)備和雷達(dá)的廣泛應(yīng)用,使現(xiàn)代戰(zhàn)場的電磁環(huán)境變得日益復(fù)雜和惡劣。在電磁環(huán)境中,信號源不斷增多,信號密度急劇增大,以及具備抗干擾、低截獲概率等特性的多種形式信號的出現(xiàn),使得接收機接收到的信號往往具有非合作、先驗信息未知等特點,這對電子戰(zhàn)的接收機設(shè)計提出了更高要求1。動態(tài)數(shù)字信道化接收機系統(tǒng)因具備較大的頻帶范圍、較寬的瞬時檢測頻帶寬度、高靈敏度等優(yōu)點而被廣泛應(yīng)用在電子戰(zhàn)領(lǐng)域。

    典型的動態(tài)數(shù)字信道化接收機組成包含以下3個部分:分析濾波器組、子帶頻譜檢測、綜合濾波器組2。其在接收過程中,首先使用分析濾波器組對接收寬帶信號進(jìn)行子帶劃分處理,然后對子帶有效輸出信號進(jìn)行檢測,并將包含有效信號的子帶進(jìn)行綜合濾波,以實現(xiàn)寬帶信號中有效子帶成分的抽離與提取3。從上述處理過程可知,在整個動態(tài)數(shù)字信道化接收機工作過程中,子帶頻譜檢測是否準(zhǔn)確對整個寬帶信號重建而言至關(guān)重要。傳統(tǒng)用于子帶頻譜檢測的方法有能量檢測法4、匹配濾波法5以及循環(huán)平穩(wěn)6特征檢測法等。能量檢測法無需信號先驗信息且運算量低,但極易受到噪聲干擾從而無法準(zhǔn)確估計檢測閾值。匹配濾波法復(fù)雜度較低且在低信噪比情況下依然具備較好的檢測性能,但其使用前提是已知信號的先驗信息。循環(huán)平穩(wěn)特征檢測法對噪聲影響魯棒性較高,但其使用時需信號滿足循環(huán)平穩(wěn)特性,同時其處理所需計算量較大。

    近年來,隨著隨機矩陣?yán)碚摚╮andom matrix theory, RMT)的發(fā)展,大量研究工作表明,其用在子帶檢測處理中可顯著提升檢測性能7,因此基于該理論的頻譜檢測算法逐漸成為當(dāng)前研究焦點。文獻(xiàn)[8]提出最大特征值最小特征值之差(difference between the maximum eigenvalue and the minimum eigenvalue, DMM)算法,該算法檢測性能優(yōu)于能量檢測算法,但是仍需噪聲功率的先驗信息。文獻(xiàn)[9]提出了最大特征值和最小特征值之比(ratio of the maximum eigenvalue to the minimum eigenvalue, MME)算法,仿真結(jié)果表明MME算法的檢測性能明顯高于能量檢測算法。但由于只考慮了最大和最小兩個維度的特征值,該算法很容易受到隨機矩陣維數(shù)的影響。文獻(xiàn)[10]提出平均特征值與最大特征值之比(ratio of the average eigenvalue to the maximum eigenvalue, AME)算法,該算法引入樣本協(xié)方差矩陣的平均特征值,但在低信噪比環(huán)境下,算法檢測概率仍較低。文獻(xiàn)[11]提出以當(dāng)前子帶最大特征值與所有子帶平均特征值的最小值之比(ratio of the maximum eigenvalue to the minimum of the average eigenvalue across all subbands, MMAE)算法,利用中心極限定理進(jìn)行平均特征值極限分布的推導(dǎo)。

    文獻(xiàn)[12]提出平均特征值與最小特征值之比(ratio of the average eigenvalue to the minimum eigenvalue,AEME)檢測算法,使用不同的平均特征值形式對算法進(jìn)行改善。文獻(xiàn)[13]將擬合優(yōu)度算法與隨機理論結(jié)合,提出最大特征值和矩陣跡之比的算法,以增強常規(guī)擬合優(yōu)度算法的檢測能力。

    分析上述算法可知,當(dāng)前基于特征值的頻譜檢測方法主要利用最大、最小和平均特征值的部分內(nèi)容來構(gòu)建檢測統(tǒng)計量,并未充分考慮采樣矩陣不同類型特征值之間的互補關(guān)系。此外,上述算法普遍基于最大特征值的極限分布來推導(dǎo)檢測門限,在樣本點數(shù)較少時與實際特征值分布相差較大,因此在檢測性能上仍有提升空間。特別是如DMM算法等,其檢測門限確定仍需依賴噪聲功率的先驗信息,以上這些問題均降低了該類算法在動態(tài)信號環(huán)境中的適用性。

    基于上述問題,本文提出一種新的盲檢測算法,命名為α 最大、最小和平均特征值(α maximum average minimum eigenvalue, α MAME)算法。該算法綜合利用樣本協(xié)方差矩陣的最大、最小和平均特征值,引入更多特征值信息,通過融合參數(shù)實現(xiàn)特征值之比的較優(yōu)組合,以此提出算法的檢驗統(tǒng)計量,并利用更為精確的最小特征值的極限分布來進(jìn)行檢測門限的推導(dǎo),使所提算法在低信噪比和低維度的情況下具有更優(yōu)的檢測性能,最后通過仿真實驗將所提算法與其他文獻(xiàn)中已有的方法進(jìn)行對比分析,驗證了所提算法的檢測性能。

    1 子帶輸出信號產(chǎn)生與其檢測模型

    1.1 子帶輸出信號產(chǎn)生原理

    圖1所示為典型動態(tài)數(shù)字信道化接收系統(tǒng)處理框圖。

    接收機接收信號x(t)經(jīng)過模擬數(shù)字轉(zhuǎn)換器(analog to digital converter, ADC)采樣之后離散為x(n)并進(jìn)入動態(tài)數(shù)字信道化接收機14。首先,通過分析濾波器組處理后,寬帶信號x(n)被輸出為等帶寬的子帶信號xi(m),其中i=0,1,…,K-1。第i個子帶信號15

    xi(n)=x(n)hi(n)(1)

    式中:表示卷積操作;hi(n)表示第i個子帶濾波器。式(1)中對x(n)的濾波處理還可等效為碼元成形函數(shù)變化,即濾波后子帶信號xi(n)仍然保留了原信號x(n)的調(diào)制信息16。因此,后續(xù)可通過對子帶信號進(jìn)行頻譜檢測,以確定當(dāng)前子帶是否包含了原信號17

    經(jīng)過分析濾波器組輸出之后的子帶為單通道形式,即一維1×L觀測向量。此時,需對xi(n)進(jìn)行維數(shù)變換,以進(jìn)一步獲得子帶輸出信號的采樣協(xié)方差矩陣與其特征值。換言之,即將1×L維子帶信號向量由單通道形式轉(zhuǎn)換為M×N維多通道矩陣形式信號。較常采用的變換方法有虛擬通道法18、經(jīng)驗?zāi)B(tài)分解法19和間隔采樣法20等。其中,虛擬通道法采用時延法來構(gòu)造虛擬接收通道,以完成數(shù)據(jù)維數(shù)的轉(zhuǎn)換,形式簡單且計算量較小,但需較多采樣點數(shù)。經(jīng)驗?zāi)B(tài)函數(shù)分解法利用信號本身的局部時間特性,將信號分解為一系列固有模態(tài)函數(shù)和,從而使其分解為單分量信號,進(jìn)而可自適應(yīng)地構(gòu)建信號多通道形式,但是這種算法復(fù)雜度較高,不適用于接收信號實時處理。間隔采樣法將單通道盲源分離問題轉(zhuǎn)化為線性瞬時混合盲源分離問題,從而通過對原數(shù)據(jù)的抽取來形成多通道信號,因此計算復(fù)雜度極低,在實際中較常采用。

    假設(shè)單通道接收觀測數(shù)據(jù)過采樣信號為x(n)(n=0,1,…,L-1),對其以f采樣率進(jìn)行重采樣,令f滿足fs/f=M,其中M為整數(shù),fs為x(n)的采樣率,可得到M個降采樣序列如下:

    xi(n)=x[Mn+i-1], i=1,2,…,M(2)

    利用式(2)所得降采樣序列集合,通過間隔采樣法可構(gòu)造M×N維多通道數(shù)據(jù)接收矩陣:

    X=x(0)x(M)…x((N-1)M)

    x(1)x(M+1)…x((N-1)M+1)

    x(M-1)x(2M-1)…x(NM-1)(3)

    式中:M表示多通道數(shù)據(jù)矩陣的通道數(shù);N表示每一路通道的數(shù)據(jù)點數(shù)。圖2為間隔采樣法的具體構(gòu)造示意圖。

    間隔采樣法的應(yīng)用前提是使輸入信號x(n)滿足過采樣條件。對動態(tài)數(shù)字信道化接收機而言,經(jīng)分析濾波器輸出的子帶信號帶寬遠(yuǎn)小于輸入信號的帶寬,這意味著子帶輸出信號均為過采樣信號,因此間隔采樣法可被用于數(shù)字信道化處理中子帶信號的維數(shù)轉(zhuǎn)換12,21

    1.2 子帶檢測基本模型

    子帶檢測是對式(3)的采樣數(shù)據(jù)矩陣進(jìn)行運算,以判斷當(dāng)前子帶中是否存在信號。子帶檢測算法的本質(zhì)是將子帶輸出信號的觀測數(shù)據(jù)與設(shè)定的檢測門限相比,若檢驗統(tǒng)計量大于檢測門限則說明有信號分量存在,反之表示只有噪聲分量17。假設(shè)利用某一種算法對輸出信號xi(n)計算得到的檢驗統(tǒng)計量為T[xi(n)],設(shè)定的判決門限為γ,則子帶的檢測可以表示為如下模型:

    T[xi(n)]gt;γ, H1

    T[xi(n)]≤γ, H0(4)

    式中:H1和H0分別表示子帶中同時存在信號和噪聲,以及子帶中僅存在噪聲。

    常見的用于檢測性能的指標(biāo)有虛警概率Pf和檢測概率Pd,其中Pf代表檢測到虛假信號的概率,Pd代表正確檢出信號的概率。這兩種概率可用下式表示:

    Pf=P(T[xi(n)]≥γ|H0)

    Pd=P(T[xi(n)]≥γ|H1)(5)

    用fi(x)和Fi(x)分別表示檢測統(tǒng)計量T在假設(shè)Hi|i=0,1下的概率密度函數(shù)和累計分布函數(shù),當(dāng)調(diào)整檢測閾值γ時,Pf和Pd無法同時達(dá)到最優(yōu),通常做法是通過設(shè)置γ來使得Pf在可接受的范圍內(nèi),并同時使Pd盡可能大22。兩種檢測概率的關(guān)系如圖3所示。

    動態(tài)數(shù)字信道化結(jié)構(gòu)中的子帶檢測可以表述為如下二元假設(shè)模型:

    xi(n)=si(n)+ωi(n), H1

    ωi(n), H0(6)

    結(jié)合式(3)和式(6),當(dāng)接收信號經(jīng)過分析濾波器組后,利用間隔采樣法可以得到如下M×N維數(shù)據(jù)矩陣:

    X=S+W(7)

    式中:S表示數(shù)據(jù)矩陣中的信號分量;W表示噪聲分量。若S與W獨立,則X的統(tǒng)計協(xié)方差矩陣可以表示為

    R^X(N)=E[SSH]+E[WWH]=R^S(N)+R^W(N)(8)

    式中:E[·]表示求期望;R^S(N)表示信號統(tǒng)計協(xié)方差矩陣;R^W(N)表示噪聲統(tǒng)計協(xié)方差矩陣;(·)H表示矩陣的共軛轉(zhuǎn)置。

    在實際情況中,可以通過有限次采樣數(shù)據(jù)的采樣協(xié)方差矩陣RX(N)來估計表示統(tǒng)計協(xié)方差矩陣,即

    RX(N)=1NXXH=RS(N)+RW(N)(9)

    式中:RS(N)表示信號采樣協(xié)方差矩陣;RW(N)表示噪聲采樣協(xié)方差矩陣。

    將子帶輸出信號轉(zhuǎn)換后的協(xié)方差矩陣R^X(N)通過特征值分解之后,可以得到λ1,λ2,…,λM共M個特征值,其中最大特征值為λmax,最小特征值為λmin。特征值能夠有效地反映接收數(shù)據(jù)矩陣的特性,對于了解子帶接收信號的內(nèi)部特征而言十分有幫助。

    2 基于特征值融合的子帶檢測算法

    2.1 RMT

    當(dāng)數(shù)據(jù)矩陣中僅包含噪聲時,數(shù)據(jù)矩陣滿足Wishart隨機矩陣的特點。根據(jù)隨機矩陣的漸近譜特性,Wishart隨機矩陣特征值的極限分布服從一定的定理,假設(shè)噪聲為高斯實信號,且均值為0,方差為σ2,則相對應(yīng)的分布定理可表示如下。

    定理 1[23若噪聲為實信號,并且矩陣A(N)與變量μ、υ滿足:A(N)=(N/σ2)RW(N)

    μ=(N-1+M)2

    υ=(N-1+M)((1/N-1)+(1/M))1/3

    假設(shè)limN→+∞M/N=c(0<c<1),用λmax(A(N))表示A(N)的最大特征值,則[λmax(A(N))-μ]/υ服從1階Tracy Widom分布規(guī)律。

    定理 2[24當(dāng)樣本點數(shù)N足夠大時,最大特征值λmax和最小特征值λmin可以用其近似值代替。當(dāng)limN→+∞M/N=c(0<c<1)時,λmax和λmin的近似值可以表示為

    limN→+∞λmax=(σ2/N)(N+M)2

    limN→+∞λmin=(σ2/N)(N-M)2

    定理 3[25若噪聲為實信號,并且矩陣A(N)與變量μ、υ滿足:

    A(N)=(N/σ2)RW(N)

    μ=(N-1-M)2

    υ=(N-1-M)((1/N-1)-(1/M))13

    假設(shè)limN→+∞M/N=c(0<c<1),用λmin(A(N))表示A(N)的最小特征值,則[λmin(A(N))-μ]/υ服從1階Tracy Widom分布規(guī)律。

    定理1和定理3中的Tracy Widom分布表示了Wishart隨機矩陣特征值的極限分布特性,其1階累積分布函數(shù)F1(t)可以表示26

    F1(t)=exp-12∫+t(q(u)+(u-t)q2(u))du(10)

    式中的q(u)需要通過求解Painlevé II非線性微分方程q″(u)=uq(u)+2q3(u)得到,但也可以利用級數(shù)展開的方式27求其離散值,具體如表1所示。

    對于子帶輸出信號轉(zhuǎn)換后的采樣協(xié)方差矩陣RX(N),在僅含有噪聲的情況下,其特征值基本相等,此時平均特征值可以表示為

    λ-=(λmax+λmin)2(11)

    根據(jù)定理2,將λmax與λmin的近似值代入式(11),可以得到平均特征值λ-的近似表達(dá)式為

    λ-=σ22N[(N+M)2+(N-M)2](12)

    2.2 檢驗統(tǒng)計量與檢測門限的推導(dǎo)

    如前文所述,以往算法大多只用部分特征值作為檢測統(tǒng)計量,忽視了協(xié)方差矩陣中其他特征值的信息,因此其檢測性能對采樣點數(shù)以及信噪比較為敏感。當(dāng)采樣點數(shù)較低或環(huán)境信噪比較低時,算法檢測性能會急劇下降。本文所提算法綜合考慮以往算法的優(yōu)、缺點,在構(gòu)建α MAME算法檢測統(tǒng)計量時,利用更多特征值信息來改善檢測算法的性能28。以最大特征值與平均特征值之比和平均特征值和最小特征值之比作為檢測統(tǒng)計量,并引入融合參數(shù)α,實現(xiàn)特征值之比組合,最終如下式所示:

    Ta MAME=λmaxλ-αλ-λmin1-α(13)

    式中:α為融合參數(shù);λmax表示子帶采樣協(xié)方差矩陣的最大特征值;λmin表示最小特征值,λ-表示平均特征值。

    令γα MAME為檢驗門限,根據(jù)式(4)可得到如下的判決規(guī)則:

    Tα MAMEgt;γα MAME, H1

    Tα MAME≤γα MAME, H0(14)

    從式(14)可以看到,檢測門限γα MMAE的取值決定了算法檢測性能的優(yōu)劣。由于要實現(xiàn)盲檢測算法,無法獲得有用信號和噪聲的任何先驗信息,因此無法通過檢測概率Pd=P(Tα MAME≥γα MAME|H1)來進(jìn)行檢測門限的推導(dǎo)??紤]到在只有噪聲的情況下,子帶輸出信號的采樣協(xié)方差矩陣RX(N)=RW(N),滿足Wishart隨機矩陣的特性29。由第2.1節(jié)的理論介紹可知,Wishart隨機矩陣的特征值有在極限條件下收斂的特性,并且滿足Tracy Widom分布。因此,可以使用虛警概率Pf=P(Tα MAME≥γα MAME|H0)來獲得檢測門限。

    在動態(tài)數(shù)字信道化實際應(yīng)用情況中,需要在盡可能短的時間內(nèi)進(jìn)行頻譜檢測,樣本點數(shù)相對較少30,此時由定理1的逼近方法所得到的極限分布與實際特征值分布相差很大。相反,在定理3中,由于υ在limN→+∞M/N=c(0<c<1)的條件下總為負(fù)數(shù),加之協(xié)方差矩陣為半正定矩陣,所有特征值為非負(fù),這會使得特征值之比之類的檢測統(tǒng)計量利用定理3推導(dǎo)得出的極限分布近似于實際特征值分布31。利用這一特性來進(jìn)行檢測門限的推導(dǎo),可以使算法在低維度的情況下具有較好的檢測效果。下面給出檢測門限的具體推導(dǎo)過程。

    根據(jù)虛警概率的定義,將式(13)的檢測統(tǒng)計量代入式(5)得到:

    Pf=Pλmaxλ-αλ-λmin1-α≥γα MAME|H0=

    P(λ1-αmin≤λαmax(λ-)1-2αγα MAME|H0)(15)

    式中:λmax、λmin和λ-分別為采樣協(xié)方差矩陣RX(N)的最大、最小和平均特征值,同時引入這3種特征值可以使檢測統(tǒng)計量更充分地描述信號信息。將λmin單獨列出以便利用其極限分布來獲得更為精確的表達(dá)。進(jìn)一步地,有:

    Pf=P(σ2/N)1-αλmin(A(N))1-α≤λαmax(λ-)1-2αγα MAME=

    Pλmin(A(N))≤(σ2/N)α-1λαmax(λ-)1-2αγα MAME11-α=

    Pλmin(A(N))-μv≤(σ2/N)α-1λαmax(λ-)1-2αγα MAME11-α-μv=

    F1(σ2/N)α-1λαmax(λ-)1-2αγα MAME11-α-μv(16)

    式中:μ=(N-1-M)2;υ=(N-1-M)((1/N-1)-(1/M))1/3;F1(·)為Tracy Widom分布的累積分布函數(shù)。根據(jù)第2.1節(jié)理論中定理3,用[λmin(A(N))-μ]/υ替代RX(N),使用更為精確的最小特征值的極限分布來進(jìn)行進(jìn)一步構(gòu)造。

    由式(16)可以反解出檢測門限γα MAME為

    γα MAME=(σ2/N)α-1λαmax(λ-)1-2α[F-11(Pf)v+μ]1-α(17)

    利用定理2和式(11),將λmax和λ-進(jìn)行替換可以得到:

    γα MAME=(N+M)2α(N+M)2+(N-M)221-2α[F-11(Pf)v+μ]1-α(18)

    式中:F-11(·)為Tracy Widom分布的累積分布函數(shù)的逆函數(shù),具體的值可以通過表1得到。

    由式(18)可以得出,檢測門限γα MAME只受到虛警概率Pf、子帶輸出信號轉(zhuǎn)換之后的M×N維采樣矩陣的矩陣維數(shù)和融合參數(shù)α的影響,不需要信號和噪聲的先驗信息,因此屬于盲檢測算法。

    2.3 算法步驟

    由以上推導(dǎo)過程可以得到α MAME頻譜檢測算法的具體執(zhí)行步驟如下:

    步驟 1 將子帶輸出信號利用間隔采樣法進(jìn)行維數(shù)轉(zhuǎn)換。具體地,由1×L的一維觀測向量矩陣轉(zhuǎn)化為M×N維的多通道采樣數(shù)據(jù)矩陣。

    步驟 2 計算M×N維多通道采樣數(shù)據(jù)矩陣的采樣協(xié)方差矩陣。

    步驟 3 計算采樣協(xié)方差矩陣的特征值矩陣。

    步驟 4 利用最大、最小和平均特征值,計算檢測統(tǒng)計量Tα MAME。

    步驟 5 利用虛警概率Pf、融合參數(shù)α和采樣數(shù)據(jù)矩陣中的M和N,計算檢測門限γα MAME。

    步驟 6 比較檢測統(tǒng)計量Tα MAME和檢測門限γα MAME,若Tα MAMEgt;γα MAME,則表明有信號存在;若Tα MAME≤γα MAME,則表明無信號存在。

    具體算法步驟見圖4。

    2.4 與其他算法對比

    α MAME算法相比于其他特征值檢測算法在特征值選取與檢測門限的推導(dǎo)方式上進(jìn)行創(chuàng)新,主要體現(xiàn)在:引入最大、最小和平均特征值構(gòu)建檢測統(tǒng)計量,充分考慮了不同類型特征值之間的互補關(guān)系,通過引入更多特征值信息來更好地描述接收信號,使算法在低信噪比情況下有更好的檢測性能??紤]動態(tài)數(shù)字信道化實際情況,使用更為精確的最小特征值的極限分布與最大特征值的漸近值來進(jìn)行檢測門限的推導(dǎo),使算法在樣本點數(shù)相對較少時有更好的檢測性能。

    α MAME算法與其他算法在特征值選取與檢測門限推導(dǎo)方式的對比如表2所示。

    3 算法仿真

    3.1 融合參數(shù)α的選取

    依據(jù)式(13)和式(18),不同的α取值會使得檢測統(tǒng)計量和檢測門限均發(fā)生改變。為了探究融合參數(shù)α的選取對檢測性能的影響,設(shè)置動態(tài)數(shù)字信道化接收結(jié)構(gòu)為圖1所示的結(jié)構(gòu)。設(shè)置整個系統(tǒng)帶寬B為750 MHz,采樣頻率fs為1 500 MHz,信道劃分?jǐn)?shù)為32,輸入信號為線性調(diào)頻信號和正余弦信號的疊加。在將輸入信號經(jīng)過分析濾波器進(jìn)行處理之后,得到子帶輸出信號。將α的范圍設(shè)置為[0.01,0.9],變換步長為0.03,設(shè)置輸入信號的信噪比為-10 dB,設(shè)置子帶輸出信號轉(zhuǎn)換后的采樣數(shù)據(jù)矩陣的M為6,N為500,設(shè)置虛警概率Pf為0.1,并完成10 000次蒙特卡羅仿真實驗,可以得到不同融合參數(shù)α的檢測概率,如圖5所示。

    從圖5可以看到,算法的檢測概率隨著融合參數(shù)α的降低而增加,但是當(dāng)αlt;0.07時,檢測概率開始出現(xiàn)波動,這是因為較低的α值減弱了檢測統(tǒng)計量中最大特征值的貢獻(xiàn),從而限制了檢測統(tǒng)計量對信號信息的敏感性。這不僅在一定程度上浪費了采樣數(shù)據(jù)中的信息,同時也降低了算法在低維度和低信噪比環(huán)境下的檢測性能。因此,使得檢測概率最佳的參數(shù)α應(yīng)該在0.04~0.1之間。

    3.2 檢測門限有效性仿真

    為了檢測α MAME算法檢測門限的有效性,依據(jù)式(4),在無信號情況下,檢測統(tǒng)計量和檢測門限應(yīng)滿足Tα MAME≤γα MAME。當(dāng)檢測性能越好時,檢測統(tǒng)計量和檢測門限值之間的差距越小。由于在αgt;0.1時檢測性能是單調(diào)遞減的,因此選擇檢測性能較好的α=0.1。若在較小取值的參數(shù)α下滿足Tα MAME≤γα MAME,則α取較大值也會滿足。

    將虛警概率Pf設(shè)置為0.1,M設(shè)置為5,步長N設(shè)置為1,在[100,2 000]范圍內(nèi)依次改變,融合參數(shù)α設(shè)置為0.1,并比較檢測統(tǒng)計量和檢測門限的大小,可得到仿真結(jié)果如圖6所示。

    在圖6中,在僅有噪聲的情況下,隨著N的增大,在α=0.1時,α MAME算法的檢測門限幅度在絕大部分情況下大于檢測統(tǒng)計量,因此α MAME算法的檢測門限具有檢測的效果,并且由前面的推斷可知,在αgt;0.1時,算法同樣有效。然而,在部分情況下,無信號時檢測統(tǒng)計量大于檢測門限,即存在一定的虛警概率。因此,需要確保算法的實際虛警概率低于設(shè)定值。

    為了檢測α MAME算法在動態(tài)數(shù)字信道化接收結(jié)構(gòu)當(dāng)中的不同信噪比下是否滿足設(shè)置的虛警概率,將輸入信號的信噪比的范圍設(shè)置為[-25,5]dB,變換步長為5 dB,設(shè)置子帶輸出信號轉(zhuǎn)換后的采樣數(shù)據(jù)矩陣的M為6,N為500,虛警概率Pf為0.1,融合參數(shù)α分別設(shè)置為0.1、0.2、0.5、0.7,并完成10 000次蒙特卡羅仿真實驗,可以得到不同信噪比下的實際虛警概率Pf,如圖7所示。

    圖7為α MAME算法的實際虛警概率隨融合參數(shù)α和信噪比變化的情況??梢钥吹剑m然實際虛警概率隨融合參數(shù)不同而有所差異,但在信噪比變化過程中保持相對穩(wěn)定。α越小,實際虛警概率就越高。這是因為α越小,檢測統(tǒng)計量和檢測門限之間的差距越小,檢測性能相對較好,但會使虛警概率相對變高。當(dāng)α=0.1時,實際虛警概率約為0.067;當(dāng)α=0.2時,實際虛警概率約為0.051;當(dāng)α=0.5時,實際虛警概率約為0.032;當(dāng)α=0.7時,實際虛警概率約為0.023。在所有α的取值當(dāng)中,實際虛警概率均滿足預(yù)先設(shè)置的虛警概率要求。

    由以上仿真可以看到,α MAME算法的檢測門限與檢測統(tǒng)計量之間的關(guān)系以及實際虛警概率和預(yù)設(shè)虛警概率之間的關(guān)系均滿足頻譜檢測算法的要求,證明了α MAME算法的有效性。

    3.3 算法性能仿真

    為深入探究不同參數(shù)取值下α MAME算法的性能與信噪比之間的關(guān)系,將信號的信噪比的范圍設(shè)置為[-25,5]dB。變換步長為1 dB。設(shè)置子帶輸出信號轉(zhuǎn)換后的采樣數(shù)據(jù)矩陣的M為6,N為500,虛警概率Pf為0.01,融合參數(shù)α分別設(shè)置為0.1、0.2、0.5、0.7,并進(jìn)行10 000次蒙特卡羅仿真實驗。此外,為了對比α MAME算法性能,同時選取AEME算法、MMAE算法、MME算法和AME算法進(jìn)行仿真比較。仿真結(jié)果如圖8所示,所有算法的檢測概率均隨信噪比的增加而上升。

    由圖8可以看出,在-25~-15 dB,檢測概率緩慢增長。而在-15~-5 dB,隨著信噪比的提高,檢測概率快速增長。當(dāng)信噪比超過-5 dB時,各算法的檢測概率接近或達(dá)到1。在圖8列舉的算法中,α為0.1時的算法性能最為突出,在信噪比為-7 dB時檢測概率即可達(dá)到1,而其他算法在此信噪比下的檢測概率則相對較低。這表明,α值越小,算法的檢測性能越好,與之前仿真結(jié)果相符。在其他對比算法中,AEME算法的檢測性能與α=0.2時的α MAME算法的檢測性能相當(dāng)。但在低信噪比情況下,AEME算法的檢測性能略差于α MAME算法(α=0.2)。MMAE算法的檢測性能與α=0.5時的α MAME算法相當(dāng)。AME算法的檢測性能與α=0.7時的α MAME算法相當(dāng),而MME算法的檢測性能始終為最低。仿真結(jié)果說明了當(dāng)α取較小值時,α MAME算法在低信噪比條件下相比其他4種算法有更高的檢測概率。這是因為α MAME算法相比于其他兩種算法引入了更多特征值信息,所以提高了其在低信噪比條件下的檢測性能。

    此外,算法的性能還與采樣數(shù)據(jù)矩陣的維數(shù)M、N有關(guān)。首先,為了比較算法檢測性能與采樣矩陣中采樣點數(shù)N的關(guān)系,將信號信噪比設(shè)置為-10 dB,設(shè)置子帶輸出信號轉(zhuǎn)換后的采樣數(shù)據(jù)矩陣的M為6,N的范圍設(shè)置為[300,3 000],步長為50,虛警概率Pf為0.01,并完成10 000次蒙特卡羅仿真實驗,可得到仿真結(jié)果如圖9所示。

    由圖9可以看到,所有算法的檢測性能均隨著子帶采樣矩陣每行采樣點數(shù)N的增大而增大,并且隨著采樣點數(shù)N的增大,所有算法檢測概率差距逐漸縮小。在所有算法中,當(dāng)α=0.1時,α MAME算法的檢測概率始終最高,特別在采樣點數(shù)較小時(N=300),其檢測概率可以達(dá)到33%。隨著α的增大,α MAME算法檢測概率逐漸下降。在其他對比算法中,AEME算法的檢測概率在低維度情況下與α=0.5時的α MAME算法相當(dāng),當(dāng)N較大時(N=1 700)與α=0.2時的α MAME算法相當(dāng)。MMAE算法的檢測性能介于α=0.5和α=0.7的α MAME算法之間。AME算法和MME算法檢測概率始終最小。仿真結(jié)果說明了當(dāng)α取較小值時,α MAME算法在低維度條件下相比其他4種算法檢測概率更高。這是由于α MAME算法使用了低維度下最小特征值的極限分布更為準(zhǔn)確這一特性進(jìn)行了檢測門限的推導(dǎo),因此其在低維度情況下有著較好的檢測性能。

    最后,為了探究算法性能與采樣矩陣維數(shù)M之間的關(guān)系,將信號的信噪比設(shè)置為-10 dB,設(shè)置子帶輸出信號轉(zhuǎn)換后的采樣數(shù)據(jù)矩陣的N為500,M的范圍設(shè)置為[3,11],步長為1,虛警概率Pf為0.01,并完成10 000次蒙特卡羅仿真實驗,可得到仿真結(jié)果如圖10所示。

    由圖10可以看到,當(dāng)子帶采樣矩陣行數(shù)M增大時,所有算法的檢測概率均得到了提升,這是因為增加采樣矩陣行數(shù)M,相當(dāng)于間接增加了每一個通道的采樣點數(shù),并且會使得采樣矩陣的特征值數(shù)量增加,同時也會使得平均特征值包含了更多采樣矩陣的特征信息??偟脕砜?,隨著α的增大,α MAME算法檢測概率逐漸下降。當(dāng)α=0.1時,算法的檢測概率始終最高,檢測性能始終最好,特別在子帶采樣矩陣行數(shù)M較小時,比其他算法檢測概率高。在其他對比算法中,AEME算法檢測性能略好于α=0.5時的α MAME算法,MMAE算法檢測性能與α=0.5時的α MAME算法相當(dāng),AME算法和MME算法的檢測性能最差。仿真結(jié)果同樣表明,α MAME算法在低維度條件下有較好的檢測性能。

    綜上所述,隨著輸入信號信噪比和采樣矩陣維度的增加,各算法的檢測概率均有所提升。在這些條件下,本文提出的算法無論在低信噪比或是低維度的采樣矩陣下,均展現(xiàn)出最佳的檢測性能。特別在α取較小值時,其檢測概率明顯優(yōu)于其他4種算法。

    4 結(jié) 論

    本文對動態(tài)數(shù)字信道化結(jié)構(gòu)中的子帶檢測算法進(jìn)行了深入探討,提出一種基于特征值融合的動態(tài)數(shù)字信道化子帶檢測算法。本文詳細(xì)介紹了算法中檢測統(tǒng)計量和檢測門限的具體推導(dǎo)過程,并通過仿真驗證了所提算法的有效性和檢測性能。

    所提算法使用采樣協(xié)方差矩陣中最大、最小、平均特征值和融合參數(shù)α來計算檢測統(tǒng)計量,并通過低維度下更為準(zhǔn)確的最小特征值的極限分布來進(jìn)行檢測門限的推導(dǎo)。通過一系列仿真實驗,驗證了在低信噪比和低維度下所提算法具有較好的檢測性能。所提算法的檢測門限只與虛警概率Pf、子帶輸出信號轉(zhuǎn)換之后采樣矩陣的矩陣維數(shù)和融合參數(shù)α有關(guān),無需先驗噪聲信息,從而減小了噪聲對檢測性能的干擾,使其成為一種高度魯棒的盲檢測算法。此外,所提算法無需提前獲知信號的具體形式,具有更好的普適性。

    參考文獻(xiàn)

    [1]黃知濤, 王翔, 趙雨睿. 認(rèn)知電子戰(zhàn)綜述[J]. 國防科技大學(xué)學(xué)報, 2023, 45(5): 1-11.

    HUANG Z T, WANG X, ZHAO Y R. Overview of cognitive electronic warfare[J]. Journal of National University of Defense Technology, 2023, 45(5): 1-11.

    [2]KIM J, UTOMO D R, DISSANAYAKE A, et al. The evolution of channelization receiver architecture: principles and design challenges[J]. IEEE Access, 2017, 5: 25385-25395.

    [3]JIA Z L, LIU H X. An improved blind zone channelization structure and rapid implementation method[J]. Micromachines, 2023, 14(5): 1091.

    [4]BAKER D, BEAL A N, JOINER L, et al. A low cost modified energy detection based spectrum sensing algorithm with GNU radio for cognitive radio[C]∥Proc.of the IEEE Southeast Conference, 2023.

    [5]ANITORI L, ENDER J. Waveform design for sparse signal processing in radar[C]∥Proc.of the IEEE Radar Conference, 2021.

    [6]李利, 孫劍平, 劉旭波, 等. 基于數(shù)字信道化接收和循環(huán)譜特征檢測的短波頻譜感知方法[J]. 中南大學(xué)學(xué)報(自然科學(xué)版), 2013, 44(10): 4138-4143.

    LI L, SUN J P, LIU X B, et al. A method of spectrum sensing for HF communication based on digital channelized receiver and cyclic feature detector[J]. Journal of Central South University(Science and Technology), 2013, 44(10): 4138-4143.

    [7]CHARAN C, PANDEY R. Cooperative spectrum sensing using eigenvalue based double threshold detection scheme for cognitive radio networks[C]∥Proc.of the Applications of Artificial Intelligence Techniques in Engineering, 2019.

    [8]王穎喜, 盧光躍. 基于最大最小特征值之差的頻譜感知技術(shù)研究[J]. 電子與信息學(xué)報, 2010, 32(11): 2571-2575.

    WANG Y X, LU G Y. DMM based spectrum sensing method for cognitive radio systems[J]. Journal of Electronics amp; Information Technology, 2010, 32(11): 2571-2575.

    [9]ZENG Y, LIANG Y C. Maximum minimum eigenvalue detection for cognitive radio[C]∥Proc.of the IEEE 18th International Symposium on Personal, Indoor and Mobile Radio Communications, 2007.

    [10]徐家品, 楊智. 基于隨機矩陣特征值比的頻譜感知改進(jìn)算法[J]. 電波科學(xué)學(xué)報, 2015, 30(2): 282-288.

    XU J P, YANG Z. Improved spectrum sensing algorithms based on eigenvalue ratio of random matrix[J]. Chinese Journal of Radio Science, 2015, 30(2): 282-288.

    [11]胡君朋. 寬帶無線信號偵測中的動態(tài)信道化技術(shù)研究[D]. 長沙: 國防科學(xué)技術(shù)大學(xué), 2017.

    HU J P. Research on dynamic channelization technique for broadband wireless signalreconnaissance[D]. Changsha: National University of Defense Technology, 2017.

    [12]張春杰, 周振宇, 司偉建, 等. 基于特征值的動態(tài)信道化子帶頻譜檢測改進(jìn)算法[J]. 應(yīng)用科技, 2020, 47(5): 20-28.

    ZHANG C J, ZHOU Z Y, SI W J, et al. Dynamic channelization subband spectrum sensing based on eigenvalue[J]. Applied Science and Technology, 2020, 47(5): 20-28.

    [13]LIU C, WANG J, LIU X M, et al. Maximum eigenvalue based goodness of fit detection for spectrum sensing in cognitive radio[J]. IEEE Trans.on Vehicular Technology, 2019, 68(8): 7747-7760.

    [14]ZHANG D, ZHENG H, ZHANG L P. Efficient channe lized technology based on filter banks[J]. Journal of Mea surement Science amp; Instrumentation, 2016, 7(3): 261.

    [15]CHENG W H, ZHANG Q Y, WEI L, et al. An efficient digital channelized receiver for low SNR and wideband chirp signals detection[J]. Applied Sciences, 2023, 13(5): 3080.

    [16]SHI L, HUANG Z, FENG X F. Design and implementation of partial shared digital channelized receiver[J]. Journal of Beijing Institute of Technology, 2021, 30(2): 186-193.

    [17]劉佳. 單通道盲源分離及其在水聲信號處理中的應(yīng)用研究[D]. 哈爾濱:哈爾濱工程大學(xué), 2011.

    LIU J. Reseach on single channel blind source separation and its application in underwater acoustic signal processing[D]. Harbin: Harbin Engineering University, 2011.

    [18]趙艷. 子帶技術(shù)研究及其在寬帶信號處理中的應(yīng)用[D]. 鄭州:解放軍信息工程大學(xué), 2012.

    ZHAO Y. Subband technologies research and its applications in wideband signal processing[D]. Zhengzhou: Information Engineering University, 2012.

    [19]GAO B, WOO W L, DLAY S S. Single channel source separation using EMD subband variable regularized sparse features[J]. IEEE Trans.on Audio, Speech, and Language Processing, 2010, 19(4): 961-976.

    [20]WARNER E S, PROUDLER I K. Single channel blind signal separation of filtered MPSK signals[J]. IEE Proceedings Radar, Sonar amp; Navigation, 2003, 150(6): 396-402.

    [21]萬宏杰. 動態(tài)數(shù)字信道化接收結(jié)構(gòu)及子帶檢測算法研究[D]. 西安:西安電子科技大學(xué), 2023.

    WAN H J. Research on dynamic digital channelized receiving structure and subband detection algorithm[D]. Xi’an: Xidian University, 2023.

    [22]NASSER A, AL HAJ HASSAN H, ABOU CHAAYA J, et al. Spectrum sensing for cognitive radio: recent advances and future challenge[J]. Sensors, 2021, 21(7): 2408.

    [23]BAI Z D. Methodologies in spectoral analysis of large dimensional random marices, a review[J]. Statistica Sinica, 1999, 9: 611-677.

    [24]CARDOSO L S, DEBBAH M, BIANCHI P, et al. Cooperative spectrum sensing using random matrix theory[C]∥Proc.of the 3rd International Symposium on Wireless Pervasive Computing, 2008.

    [25]FELDHEIM O N, SODIN S. A universality result for the smallest eigenvalues of certain sample covariance matrices[J]. Geometric and Functional Analysis, 2010, 20(1): 88-123.

    [26]TRACY C A, WIDOM H. On orthogonal and symplectic matrix ensembles[J]. Communications in Mathematical Physics, 1996, 177: 727-754.

    [27]JOHNSTONE I M. On the distribution of the largest eigenvalue in principal components analysis[J]. The Annals of Statistics, 2001, 29(2): 295-327.

    [28]趙文靜, 李賀, 金明錄. 基于特征值的頻譜感知融合算法[J]. 通信學(xué)報, 2019, 40(11): 57-64.

    ZHAO W J, LI H, JIN M L. Fusion spectrum sensing algorithm based on eigenvalues[J]. Journal on Communications, 2019, 40(11): 57-64.

    [29]TULINO A M, VERDU S. Random matrix theory and wireless communications[J]. Foundations and Trends in Communications and Information Theory, 2004, 1(1): 190.

    [30]TIAN Q, JIANG A P, BI B. Design and FPGA implementation of a digital channelized receiver[C]∥Proc.of the IEEE 2nd International Conference on Information Communication and Software Engineering, 2022.

    [31]PENNA F, GARELLO R, SPIRITO M A. Cooperative spectrum sensing based on the limiting eigenvalue ratio distribution in Wishart matrices[J]. IEEE Communications Letters, 2009, 13(7): 507-509.

    作者簡介

    陳侯伯(2000—),男,碩士研究生,主要研究方向為高速實時信號處理、雷達(dá)信號處理。

    劉 霖(1982—),男,副研究員,碩士,主要研究方向為合成孔徑雷達(dá)、數(shù)字信號處理。

    崔 寧(1995—),男,助理研究員,博士,主要研究方向為機載雷達(dá)廣域GMTI、MMTI、AMTI和SAR GMTI及其在實際雷達(dá)系統(tǒng)中的應(yīng)用。

    張旭冉(2000—),男,碩士研究生,主要研究方向為光纖傳感、高速光通信系統(tǒng)。

    趙麒瑞(1998—),男,助理工程師,碩士,主要研究方向為高速實時信號處理。

    劉 翔(1979—),男,工程師,本科,主要研究方向為微流控芯片及系統(tǒng)可靠性。

    天天躁日日躁夜夜躁夜夜| 日本欧美国产在线视频| 各种免费的搞黄视频| 午夜福利在线观看免费完整高清在| 国产伦理片在线播放av一区| 日本欧美视频一区| 国产深夜福利视频在线观看| 欧美日韩精品网址| 亚洲av免费高清在线观看| 亚洲婷婷狠狠爱综合网| 人人妻人人添人人爽欧美一区卜| 欧美中文综合在线视频| 久久久久视频综合| 99久久中文字幕三级久久日本| 搡女人真爽免费视频火全软件| 青草久久国产| 天天操日日干夜夜撸| 日本免费在线观看一区| 亚洲精品美女久久av网站| 国产av一区二区精品久久| 天天躁狠狠躁夜夜躁狠狠躁| 丝瓜视频免费看黄片| 免费看av在线观看网站| 国产欧美亚洲国产| 国产xxxxx性猛交| 国产亚洲精品第一综合不卡| 免费看av在线观看网站| 久久久精品区二区三区| 青春草国产在线视频| 人妻系列 视频| 国产精品嫩草影院av在线观看| 亚洲综合精品二区| 99久久综合免费| 精品少妇内射三级| 午夜福利视频精品| 精品少妇内射三级| 国产av国产精品国产| 精品第一国产精品| 多毛熟女@视频| 亚洲精品国产色婷婷电影| 激情五月婷婷亚洲| 日韩中文字幕视频在线看片| 精品一区二区三区四区五区乱码 | 免费大片黄手机在线观看| 精品一区二区三卡| 巨乳人妻的诱惑在线观看| 国产精品香港三级国产av潘金莲 | 少妇的丰满在线观看| 国产精品亚洲av一区麻豆 | 只有这里有精品99| 亚洲av日韩在线播放| 久久精品国产亚洲av高清一级| 日本-黄色视频高清免费观看| 亚洲,欧美精品.| 狠狠精品人妻久久久久久综合| 免费看av在线观看网站| 成年人午夜在线观看视频| 美国免费a级毛片| 啦啦啦中文免费视频观看日本| 久久99热这里只频精品6学生| 欧美中文综合在线视频| 丰满乱子伦码专区| 国产精品三级大全| 99热网站在线观看| 国产麻豆69| 国产欧美日韩综合在线一区二区| 成人手机av| 国产精品成人在线| 两性夫妻黄色片| 亚洲av欧美aⅴ国产| 久久精品国产亚洲av高清一级| 90打野战视频偷拍视频| 久久亚洲国产成人精品v| 久久这里有精品视频免费| 久热这里只有精品99| 一区二区日韩欧美中文字幕| 久久久久久久亚洲中文字幕| 精品人妻一区二区三区麻豆| 亚洲伊人色综图| 日本91视频免费播放| 午夜福利影视在线免费观看| 2021少妇久久久久久久久久久| 2021少妇久久久久久久久久久| 超碰成人久久| 中文乱码字字幕精品一区二区三区| 国产精品久久久久成人av| 五月天丁香电影| 亚洲av免费高清在线观看| 欧美成人午夜精品| 在线观看www视频免费| 亚洲精品日本国产第一区| 麻豆乱淫一区二区| 香蕉精品网在线| 乱人伦中国视频| 久久久久久久亚洲中文字幕| 久久毛片免费看一区二区三区| 99国产精品免费福利视频| 99国产精品免费福利视频| 中文字幕另类日韩欧美亚洲嫩草| 狠狠婷婷综合久久久久久88av| 91午夜精品亚洲一区二区三区| 婷婷色综合大香蕉| 一本色道久久久久久精品综合| 大码成人一级视频| 国产人伦9x9x在线观看 | 日韩一区二区视频免费看| 人妻一区二区av| 欧美日韩综合久久久久久| 天堂中文最新版在线下载| 国产极品天堂在线| 少妇被粗大猛烈的视频| 久久久久久伊人网av| 久久久国产一区二区| 久久热在线av| 成人毛片a级毛片在线播放| 午夜福利网站1000一区二区三区| 91国产中文字幕| 美女国产视频在线观看| 欧美另类一区| 黄色怎么调成土黄色| 久久精品国产综合久久久| 人妻少妇偷人精品九色| 国产精品久久久久久久久免| 97在线人人人人妻| 久久人人97超碰香蕉20202| 成年人午夜在线观看视频| 国产人伦9x9x在线观看 | 日韩欧美精品免费久久| 免费av中文字幕在线| 最黄视频免费看| 国产精品av久久久久免费| 波多野结衣av一区二区av| 亚洲欧美精品综合一区二区三区 | 啦啦啦视频在线资源免费观看| 亚洲国产欧美在线一区| 午夜av观看不卡| 午夜福利在线免费观看网站| 另类亚洲欧美激情| 精品99又大又爽又粗少妇毛片| 国产精品久久久久成人av| av天堂久久9| 日韩制服骚丝袜av| 纵有疾风起免费观看全集完整版| 九草在线视频观看| 久久精品熟女亚洲av麻豆精品| 欧美在线黄色| 亚洲,欧美精品.| 伦理电影大哥的女人| 天堂中文最新版在线下载| 国产精品国产三级专区第一集| 国产精品一国产av| 可以免费在线观看a视频的电影网站 | 国产成人精品一,二区| a级片在线免费高清观看视频| 亚洲av电影在线进入| 久久精品国产亚洲av高清一级| 2022亚洲国产成人精品| 国产麻豆69| 中文字幕最新亚洲高清| 国语对白做爰xxxⅹ性视频网站| 人妻系列 视频| 少妇精品久久久久久久| 国产成人一区二区在线| 丝袜美腿诱惑在线| 久久99精品国语久久久| 日韩制服骚丝袜av| av在线播放精品| 色播在线永久视频| 亚洲欧美一区二区三区国产| 午夜精品国产一区二区电影| 国产精品香港三级国产av潘金莲 | 国产高清国产精品国产三级| 亚洲精品国产av成人精品| 国产日韩欧美视频二区| 国产日韩欧美亚洲二区| 久久av网站| 国产免费福利视频在线观看| 91aial.com中文字幕在线观看| 国产男女内射视频| 一二三四中文在线观看免费高清| 日韩 亚洲 欧美在线| 欧美成人午夜免费资源| 亚洲人成网站在线观看播放| 国产高清不卡午夜福利| 国产精品成人在线| xxx大片免费视频| 在线观看免费高清a一片| 日韩一区二区三区影片| 在线观看一区二区三区激情| 岛国毛片在线播放| 中文天堂在线官网| 极品人妻少妇av视频| 亚洲国产精品一区三区| 国产精品久久久久成人av| 欧美 日韩 精品 国产| 18禁国产床啪视频网站| av.在线天堂| 街头女战士在线观看网站| 欧美精品国产亚洲| 日日爽夜夜爽网站| 少妇人妻精品综合一区二区| 97在线人人人人妻| 看免费成人av毛片| 亚洲精品久久久久久婷婷小说| 性少妇av在线| 黄色怎么调成土黄色| 侵犯人妻中文字幕一二三四区| 青春草视频在线免费观看| 人人妻人人澡人人爽人人夜夜| 免费人妻精品一区二区三区视频| 国产男人的电影天堂91| 一二三四中文在线观看免费高清| 久久国产亚洲av麻豆专区| 午夜免费鲁丝| 日韩av免费高清视频| 日日撸夜夜添| 久久精品久久久久久噜噜老黄| 伦理电影大哥的女人| 亚洲成av片中文字幕在线观看 | 男人添女人高潮全过程视频| 午夜精品国产一区二区电影| 少妇人妻精品综合一区二区| 亚洲国产精品成人久久小说| 亚洲国产精品成人久久小说| 国产深夜福利视频在线观看| 高清视频免费观看一区二区| 国产女主播在线喷水免费视频网站| 免费播放大片免费观看视频在线观看| 中文字幕最新亚洲高清| 欧美 亚洲 国产 日韩一| 久久精品国产鲁丝片午夜精品| 国产成人精品在线电影| 日本av免费视频播放| 亚洲精品国产色婷婷电影| av在线播放精品| 亚洲内射少妇av| 水蜜桃什么品种好| 精品少妇久久久久久888优播| 久久精品国产综合久久久| 十分钟在线观看高清视频www| 性少妇av在线| 国产1区2区3区精品| 久久久精品区二区三区| 亚洲三级黄色毛片| 大话2 男鬼变身卡| 中国三级夫妇交换| 色播在线永久视频| 晚上一个人看的免费电影| 日本黄色日本黄色录像| 亚洲精品视频女| 亚洲精品乱久久久久久| 99久久综合免费| 男人舔女人的私密视频| 日本黄色日本黄色录像| 国产精品成人在线| 在线观看美女被高潮喷水网站| 秋霞在线观看毛片| 赤兔流量卡办理| 久久久亚洲精品成人影院| 国产成人精品婷婷| 亚洲av免费高清在线观看| 免费黄频网站在线观看国产| 精品国产一区二区三区久久久樱花| 哪个播放器可以免费观看大片| 在线观看美女被高潮喷水网站| 婷婷色av中文字幕| 久久毛片免费看一区二区三区| 肉色欧美久久久久久久蜜桃| 午夜av观看不卡| 人人妻人人添人人爽欧美一区卜| 妹子高潮喷水视频| 国产精品不卡视频一区二区| 亚洲av国产av综合av卡| 美女xxoo啪啪120秒动态图| 欧美 日韩 精品 国产| 大香蕉久久网| 91午夜精品亚洲一区二区三区| 日韩av免费高清视频| 亚洲四区av| 国产一区有黄有色的免费视频| 免费观看在线日韩| 久久久久久伊人网av| 美国免费a级毛片| 999久久久国产精品视频| 五月开心婷婷网| 亚洲av成人精品一二三区| 一二三四中文在线观看免费高清| 久久久久久久大尺度免费视频| 国产成人精品福利久久| 亚洲美女视频黄频| 丝袜美足系列| 久久精品国产a三级三级三级| 国产高清不卡午夜福利| 中国三级夫妇交换| 99久久精品国产国产毛片| 欧美av亚洲av综合av国产av | 国产精品.久久久| 少妇人妻 视频| 卡戴珊不雅视频在线播放| 丝瓜视频免费看黄片| 国产精品一区二区在线观看99| 免费在线观看黄色视频的| 高清不卡的av网站| 伊人久久大香线蕉亚洲五| 夫妻性生交免费视频一级片| 日韩伦理黄色片| 丰满少妇做爰视频| 丝瓜视频免费看黄片| 久久国产精品大桥未久av| 一本—道久久a久久精品蜜桃钙片| 人妻人人澡人人爽人人| 国产成人精品一,二区| 欧美日韩一区二区视频在线观看视频在线| 一级毛片 在线播放| 免费日韩欧美在线观看| 成年女人在线观看亚洲视频| 寂寞人妻少妇视频99o| 精品午夜福利在线看| a 毛片基地| 午夜免费观看性视频| 视频在线观看一区二区三区| 中国国产av一级| 国产一级毛片在线| 欧美激情极品国产一区二区三区| 99热国产这里只有精品6| 男男h啪啪无遮挡| 精品亚洲乱码少妇综合久久| 最近最新中文字幕大全免费视频 | 波多野结衣av一区二区av| 日本-黄色视频高清免费观看| 中文字幕色久视频| 老司机影院成人| 天天躁狠狠躁夜夜躁狠狠躁| 久久人妻熟女aⅴ| 色哟哟·www| 丝袜在线中文字幕| 国产免费现黄频在线看| 亚洲成国产人片在线观看| 狂野欧美激情性bbbbbb| 少妇的逼水好多| 超色免费av| 久久精品国产综合久久久| 天天影视国产精品| 伊人亚洲综合成人网| 国产人伦9x9x在线观看 | 街头女战士在线观看网站| 国产日韩一区二区三区精品不卡| 国产精品久久久久久精品古装| 国产成人精品在线电影| 在线观看三级黄色| 97精品久久久久久久久久精品| 国产欧美亚洲国产| 极品人妻少妇av视频| 国产精品久久久久久精品电影小说| 久久毛片免费看一区二区三区| 亚洲色图 男人天堂 中文字幕| 99九九在线精品视频| 日本91视频免费播放| 男女啪啪激烈高潮av片| 青青草视频在线视频观看| 国产精品蜜桃在线观看| 国产精品av久久久久免费| 啦啦啦在线观看免费高清www| 日韩中文字幕欧美一区二区 | 大码成人一级视频| 水蜜桃什么品种好| 91精品三级在线观看| 日本vs欧美在线观看视频| 日日摸夜夜添夜夜爱| 国产一区有黄有色的免费视频| 国产女主播在线喷水免费视频网站| 两个人看的免费小视频| 999久久久国产精品视频| 中文字幕人妻丝袜制服| 有码 亚洲区| 美女视频免费永久观看网站| 最近中文字幕2019免费版| 国产亚洲欧美精品永久| 成人二区视频| 国产有黄有色有爽视频| 免费av中文字幕在线| 亚洲国产欧美日韩在线播放| 大陆偷拍与自拍| 男女边吃奶边做爰视频| 999精品在线视频| 免费观看av网站的网址| av天堂久久9| 高清在线视频一区二区三区| 寂寞人妻少妇视频99o| 搡老乐熟女国产| 成年av动漫网址| 久久精品国产亚洲av高清一级| 亚洲av电影在线观看一区二区三区| 99热全是精品| 国产白丝娇喘喷水9色精品| 26uuu在线亚洲综合色| 欧美日韩av久久| 90打野战视频偷拍视频| 日韩大片免费观看网站| 日韩一区二区三区影片| 人体艺术视频欧美日本| 有码 亚洲区| 精品99又大又爽又粗少妇毛片| 亚洲精品aⅴ在线观看| 两个人看的免费小视频| 亚洲少妇的诱惑av| 精品福利永久在线观看| 国精品久久久久久国模美| 巨乳人妻的诱惑在线观看| 欧美精品一区二区免费开放| 欧美国产精品va在线观看不卡| 91成人精品电影| 国产精品偷伦视频观看了| 美女福利国产在线| 国产精品香港三级国产av潘金莲 | 超碰97精品在线观看| 波野结衣二区三区在线| 免费av中文字幕在线| 黑人巨大精品欧美一区二区蜜桃| 精品福利永久在线观看| 久久 成人 亚洲| 久久久欧美国产精品| 精品一区二区免费观看| 亚洲国产色片| 国产精品不卡视频一区二区| 色吧在线观看| 97人妻天天添夜夜摸| 国产白丝娇喘喷水9色精品| 一级片'在线观看视频| 18禁动态无遮挡网站| 免费观看在线日韩| 亚洲精品久久午夜乱码| 免费少妇av软件| 欧美日韩精品成人综合77777| 女性被躁到高潮视频| 日韩,欧美,国产一区二区三区| 久久久久国产一级毛片高清牌| 中文字幕亚洲精品专区| 国产成人精品久久久久久| 日日爽夜夜爽网站| 精品人妻在线不人妻| 亚洲欧洲国产日韩| 一级黄片播放器| 狠狠婷婷综合久久久久久88av| 天美传媒精品一区二区| 久久这里有精品视频免费| 日韩不卡一区二区三区视频在线| 欧美成人午夜精品| 美女脱内裤让男人舔精品视频| 成人漫画全彩无遮挡| 欧美97在线视频| 少妇被粗大的猛进出69影院| 久久久久久久久久久免费av| 欧美国产精品一级二级三级| 国产成人欧美| 欧美xxⅹ黑人| 一级毛片 在线播放| 午夜福利视频精品| 一区福利在线观看| 国产成人精品无人区| 欧美另类一区| 免费黄频网站在线观看国产| 午夜av观看不卡| 亚洲精品日本国产第一区| 亚洲精品美女久久久久99蜜臀 | 天天影视国产精品| 五月伊人婷婷丁香| 最近的中文字幕免费完整| 最近中文字幕2019免费版| 黄片播放在线免费| 久热这里只有精品99| 搡女人真爽免费视频火全软件| 精品国产超薄肉色丝袜足j| 国产成人精品无人区| 丰满少妇做爰视频| 亚洲国产日韩一区二区| 搡老乐熟女国产| 青春草视频在线免费观看| 亚洲av男天堂| 18禁动态无遮挡网站| 免费高清在线观看视频在线观看| 99久久精品国产国产毛片| 久久鲁丝午夜福利片| 91久久精品国产一区二区三区| 欧美av亚洲av综合av国产av | 日韩伦理黄色片| 韩国高清视频一区二区三区| 一级片免费观看大全| 9191精品国产免费久久| 亚洲国产精品999| 大码成人一级视频| 极品少妇高潮喷水抽搐| 精品国产乱码久久久久久小说| 人妻系列 视频| 亚洲精品aⅴ在线观看| 国产在视频线精品| 国产免费现黄频在线看| 9色porny在线观看| 少妇被粗大的猛进出69影院| 大片电影免费在线观看免费| 丝袜喷水一区| 久久精品久久久久久噜噜老黄| 性色av一级| 天天操日日干夜夜撸| 热re99久久国产66热| 欧美人与善性xxx| 一级毛片电影观看| 国产精品久久久av美女十八| 日韩不卡一区二区三区视频在线| 啦啦啦啦在线视频资源| 麻豆av在线久日| 2021少妇久久久久久久久久久| 国产av码专区亚洲av| 99久久综合免费| 成人免费观看视频高清| 亚洲,一卡二卡三卡| 国产在线视频一区二区| 国产综合精华液| 欧美老熟妇乱子伦牲交| 黑人猛操日本美女一级片| 精品国产一区二区三区四区第35| 亚洲av男天堂| 老熟女久久久| 亚洲熟女精品中文字幕| 日韩一区二区三区影片| 人成视频在线观看免费观看| 欧美国产精品va在线观看不卡| 亚洲av电影在线进入| 91精品国产国语对白视频| 国产欧美亚洲国产| 日本爱情动作片www.在线观看| 亚洲人成网站在线观看播放| √禁漫天堂资源中文www| 久久狼人影院| 色婷婷av一区二区三区视频| 乱人伦中国视频| 欧美日韩精品成人综合77777| 婷婷成人精品国产| 如日韩欧美国产精品一区二区三区| 久久精品夜色国产| 久久久久久久久久久久大奶| 亚洲av免费高清在线观看| 欧美激情高清一区二区三区 | av电影中文网址| 叶爱在线成人免费视频播放| 一本久久精品| 午夜福利在线免费观看网站| 91精品伊人久久大香线蕉| 九九爱精品视频在线观看| 日韩不卡一区二区三区视频在线| 久久久久久人妻| 国产精品秋霞免费鲁丝片| 国产无遮挡羞羞视频在线观看| 丝袜人妻中文字幕| 国产精品一二三区在线看| 亚洲色图 男人天堂 中文字幕| 亚洲精品中文字幕在线视频| 日本色播在线视频| 纯流量卡能插随身wifi吗| 又大又黄又爽视频免费| 亚洲精品一区蜜桃| 日韩制服骚丝袜av| 女人高潮潮喷娇喘18禁视频| 亚洲成国产人片在线观看| 少妇精品久久久久久久| 十分钟在线观看高清视频www| 涩涩av久久男人的天堂| 成年女人毛片免费观看观看9 | 亚洲国产毛片av蜜桃av| 在线观看三级黄色| 一区福利在线观看| 丰满乱子伦码专区| 午夜福利,免费看| 日本av手机在线免费观看| 亚洲,欧美,日韩| 久久久久久久精品精品| 国产在线视频一区二区| 热re99久久国产66热| 国产精品av久久久久免费| 99久国产av精品国产电影| 人成视频在线观看免费观看| 九色亚洲精品在线播放| 丝袜人妻中文字幕| 妹子高潮喷水视频| 视频区图区小说| 女人高潮潮喷娇喘18禁视频| 成年女人毛片免费观看观看9 | 亚洲av在线观看美女高潮| 成人国产av品久久久| 最近最新中文字幕免费大全7| 精品亚洲成a人片在线观看| 精品久久蜜臀av无| 久久这里有精品视频免费| 成人影院久久| 国产在线视频一区二区| 热re99久久国产66热| 熟女电影av网| 2021少妇久久久久久久久久久| 日韩av在线免费看完整版不卡| 亚洲精品成人av观看孕妇| 午夜av观看不卡| 亚洲av在线观看美女高潮| 可以免费在线观看a视频的电影网站 | www.精华液| 人人妻人人爽人人添夜夜欢视频| 久久国产亚洲av麻豆专区| 老司机影院毛片| 美女国产高潮福利片在线看| 丝袜人妻中文字幕| 欧美日韩亚洲高清精品| 日日撸夜夜添| 日韩精品免费视频一区二区三区| 在线观看国产h片| 黄色配什么色好看| 一级毛片我不卡|