• <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 ?

    未知狀態(tài)模型下基于高階容積卡爾曼濾波和神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計(jì)算法

    2017-07-10 10:27:27許大星王海倫
    關(guān)鍵詞:無跡卡爾曼濾波高階

    許大星 王海倫,2

    1(衢州學(xué)院電氣與信息工程學(xué)院 浙江 衢州 324000)2(上海海事大學(xué)物流工程學(xué)院 上海 201306)

    未知狀態(tài)模型下基于高階容積卡爾曼濾波和神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計(jì)算法

    許大星1王海倫1,2

    1(衢州學(xué)院電氣與信息工程學(xué)院 浙江 衢州 324000)2(上海海事大學(xué)物流工程學(xué)院 上海 201306)

    針對(duì)非線性系統(tǒng)狀態(tài)模型未知的情形,提出一種基于高階容積卡爾曼濾波和神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計(jì)算法,解決了未知非線性系統(tǒng)模型的狀態(tài)估計(jì)問題。在算法的實(shí)現(xiàn)過程中,首先利用神經(jīng)網(wǎng)絡(luò)對(duì)非線性系統(tǒng)建立狀態(tài)空間模型,然后把神經(jīng)網(wǎng)絡(luò)的權(quán)重和系統(tǒng)的狀態(tài)變量組合在一起作為新的狀態(tài)變量,并采用高階容積卡爾曼濾波對(duì)新的狀態(tài)進(jìn)行實(shí)時(shí)更新,從而達(dá)到神經(jīng)網(wǎng)絡(luò)對(duì)非線性系統(tǒng)模型的真實(shí)逼近以及對(duì)狀態(tài)值的精確估計(jì)。最后的目標(biāo)跟蹤仿真表明,該算法具有更高的估計(jì)精度。

    非線性系統(tǒng) 未知模型 高階容積卡爾曼濾波 神經(jīng)網(wǎng)絡(luò)

    0 引 言

    根據(jù)連接的拓?fù)浣Y(jié)構(gòu),神經(jīng)網(wǎng)絡(luò)模型可分為前向神經(jīng)網(wǎng)絡(luò)和后向神經(jīng)網(wǎng)絡(luò)。20世紀(jì)80年代,Rumelhard等基于前向神經(jīng)網(wǎng)絡(luò)提出誤差反向傳播算法,因其算法結(jié)構(gòu)簡單,易于實(shí)現(xiàn)且具有很強(qiáng)的非線性映射能力,已廣泛應(yīng)用在航空航天、智能交通、模式識(shí)別以及醫(yī)學(xué)工程等領(lǐng)域中[1]。

    當(dāng)系統(tǒng)模型未知時(shí),采用神經(jīng)網(wǎng)絡(luò)對(duì)模型進(jìn)行非線性近似是一種簡單而有效的方法。神經(jīng)網(wǎng)絡(luò)根據(jù)實(shí)際數(shù)據(jù)集確定網(wǎng)絡(luò)逼近的非線性函數(shù),然而,當(dāng)實(shí)際系統(tǒng)的狀態(tài)變量不完全可測(cè)時(shí),單獨(dú)采用神經(jīng)網(wǎng)絡(luò)將無法建立過程的模型。狀態(tài)空間模型法對(duì)系統(tǒng)的內(nèi)部狀態(tài)和外部可觀測(cè)輸出變量之間的變化關(guān)系進(jìn)行描述。由于該方法可以對(duì)系統(tǒng)內(nèi)部復(fù)雜的狀態(tài)進(jìn)行估計(jì)和預(yù)測(cè),因此已經(jīng)被廣泛地應(yīng)用在動(dòng)態(tài)系統(tǒng)的處理當(dāng)中。對(duì)系統(tǒng)的狀態(tài)空間模型建立完成之后,就需要利用合適的方法對(duì)系統(tǒng)的狀態(tài)進(jìn)行估計(jì)。濾波方法在狀態(tài)空間中利用系統(tǒng)輸入輸出觀測(cè)數(shù)據(jù),對(duì)系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)[2]。這種濾波的方法不僅可以對(duì)狀態(tài)進(jìn)行估計(jì),還可以對(duì)神經(jīng)網(wǎng)絡(luò)系統(tǒng)參數(shù)進(jìn)行辨識(shí)。

    非線性濾波算法在參數(shù)估計(jì)中得到了長足的發(fā)展,特別是在神經(jīng)網(wǎng)絡(luò)的參數(shù)辨識(shí)方面,其將網(wǎng)絡(luò)的權(quán)系數(shù)參數(shù)看作特殊的狀態(tài)進(jìn)行估計(jì)。文獻(xiàn)[3]首先利用神經(jīng)網(wǎng)絡(luò)建立狀態(tài)空間模型,將網(wǎng)絡(luò)權(quán)系數(shù)作為系統(tǒng)的狀態(tài)變量,進(jìn)而基于擴(kuò)展卡爾曼濾波算法對(duì)狀態(tài)變量進(jìn)行實(shí)時(shí)更新。仿真實(shí)驗(yàn)表明,其效果明顯優(yōu)于傳統(tǒng)的誤差反向傳播算法,特別是存在明顯噪聲的干擾下更能取得較高的估計(jì)精度。擴(kuò)展卡爾曼濾波是目前應(yīng)用最為廣泛的一種非線性濾波方法,然而當(dāng)系統(tǒng)的非線性程度較高,一階近似會(huì)帶來非常大的截?cái)嗾`差,擴(kuò)展卡爾曼濾波算法的估計(jì)性能將隨之大大下降,甚至發(fā)散[4]。由于擴(kuò)展卡爾曼濾波穩(wěn)定性差、精度低等缺點(diǎn),Julier等提出了無跡卡爾曼濾波,使用無跡變換來處理均值和方差的非線性傳遞[5]。已經(jīng)有不少學(xué)者利用無跡卡爾曼濾波和神經(jīng)網(wǎng)絡(luò)來解決未知系統(tǒng)模型的非線性系統(tǒng)狀態(tài)估計(jì)問題。文獻(xiàn)[6]提出了應(yīng)用無跡卡爾曼濾波算法對(duì)神經(jīng)網(wǎng)絡(luò)權(quán)系數(shù)進(jìn)行在線估計(jì)。文獻(xiàn)[7]對(duì)基于擴(kuò)展卡爾曼濾波和無跡卡爾曼濾波的神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了實(shí)驗(yàn)對(duì)比,結(jié)果表明,基于無跡卡爾曼濾波算法的神經(jīng)網(wǎng)絡(luò)算法明顯優(yōu)于基于擴(kuò)展卡爾曼濾波算法的神經(jīng)網(wǎng)絡(luò)算法。然而無跡卡爾曼濾波的精度仍然有限,當(dāng)系統(tǒng)維數(shù)較高時(shí),其估計(jì)性能明顯降低。為了進(jìn)一步提高狀態(tài)的估計(jì)精度,文獻(xiàn)[8]提出了一種基于任意階容積規(guī)則的高階容積卡爾曼濾波,分別使用Genz積分方法和矩匹配法推導(dǎo)出任意階的球面規(guī)則和相徑規(guī)則,從而構(gòu)造高階球面-相徑容積規(guī)則來計(jì)算高斯型積分,并建立高階容積卡爾曼濾波算法。文獻(xiàn)[9]對(duì)無跡卡爾曼濾波算法和高階容積卡爾曼濾波算法的精度和適用范圍進(jìn)行了對(duì)比,結(jié)果表明,高階容積卡爾曼濾波算法對(duì)高維系統(tǒng)適用性更強(qiáng),估計(jì)誤差更小。

    基于此,本文針對(duì)未知狀態(tài)模型的非線性系統(tǒng),首先利用神經(jīng)網(wǎng)絡(luò)建立狀態(tài)空間模型,將網(wǎng)絡(luò)的權(quán)系數(shù)和系統(tǒng)的狀態(tài)組合一起為增廣的狀態(tài)變量。然后采用高階容積卡爾曼濾波算法對(duì)神經(jīng)網(wǎng)絡(luò)系統(tǒng)狀態(tài)進(jìn)行估計(jì)預(yù)測(cè),從而實(shí)現(xiàn)網(wǎng)絡(luò)權(quán)系數(shù)的自適應(yīng)調(diào)整和狀態(tài)的實(shí)時(shí)更新。

    1 神經(jīng)網(wǎng)絡(luò)的狀態(tài)空間模型

    神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)模型一般可分為前饋神經(jīng)網(wǎng)絡(luò)模型、反饋神經(jīng)網(wǎng)絡(luò)模型以及隨機(jī)神經(jīng)網(wǎng)絡(luò)模型等。目前在各個(gè)行業(yè)領(lǐng)域中前饋神經(jīng)網(wǎng)絡(luò)模型應(yīng)用最為廣泛,其狀態(tài)空間的模型結(jié)構(gòu)如圖1所示。

    圖1 神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)

    圖1中,x1,x2,…,xn用來表示輸入的樣本節(jié)點(diǎn),y1,y2,…,ym用來表示輸出樣本節(jié)點(diǎn),θ1,θ2,…,θq表示權(quán)重系數(shù)。該神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)共有三個(gè)節(jié)點(diǎn)層,分別為輸入層、隱層和輸出層,各個(gè)層之間通過權(quán)系數(shù)進(jìn)行連接,輸入輸出層在兩端,中間隱含層的節(jié)點(diǎn)數(shù)根據(jù)實(shí)際要求進(jìn)行選取。

    2 高階容積卡爾曼濾波原理

    首先考慮如下離散非線性系統(tǒng):

    xk=f(xk-1)+wk

    (1)

    zk=h(xk)+vk

    (2)

    其中,xk為n維的狀態(tài)向量;zk為m維的觀測(cè)向量;函數(shù)f,h為已知的非線性函數(shù);{wk}與{vk}均為獨(dú)立的零均值高斯白噪聲。

    對(duì)于一般的非線性系統(tǒng),在高斯假設(shè)下可將貝葉斯估計(jì)基本理論與任意階容積規(guī)則相結(jié)合,從而推導(dǎo)出高階的容積卡爾曼濾波。與無跡卡爾曼濾波結(jié)構(gòu)相同,同樣分為狀態(tài)預(yù)測(cè)(時(shí)間更新)和測(cè)量更新兩個(gè)步驟,主要是高階容積卡爾曼濾波利用容積點(diǎn)逼近狀態(tài)的后驗(yàn)分布。該算法具有精度高、穩(wěn)定性強(qiáng)、參數(shù)選取簡單的優(yōu)點(diǎn)。文獻(xiàn)[9]對(duì)比了UKF算法和CKF算法的精度和適用范圍,表明CKF算法效率更高,尤其是對(duì)高維系統(tǒng)的適用性更強(qiáng)。高階容積規(guī)則滿足:

    (3)

    (4)

    (5)

    (6)

    (7)

    (8)

    3 基于高階容積卡爾曼濾波和神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計(jì)

    當(dāng)系統(tǒng)的模型未知時(shí),采用神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)模型進(jìn)行建模逼近,那么就需要求解最優(yōu)的網(wǎng)絡(luò)節(jié)點(diǎn)權(quán)系數(shù),同時(shí)狀態(tài)也是未知的。然而,狀態(tài)與權(quán)系數(shù)是彼此聯(lián)系的,因此,本文將系統(tǒng)的狀態(tài)和權(quán)系數(shù)組合在一起作為新的狀態(tài)空間,將原來的系統(tǒng)方程和權(quán)系數(shù)方程的增廣方程作為新的系統(tǒng)模型,進(jìn)而利用高階容積卡爾曼濾波算法對(duì)狀態(tài)和權(quán)系數(shù)實(shí)時(shí)估計(jì),具體的系統(tǒng)原理如圖2所示。

    圖2 狀態(tài)估計(jì)系統(tǒng)

    圖2中,在k-1時(shí)刻,原系統(tǒng)的狀態(tài)xk-1與權(quán)系數(shù)Wk-1組合成新的增廣狀態(tài)向量[xk-1Wk-1],輸入到神經(jīng)

    網(wǎng)絡(luò)中,進(jìn)而高階容積卡爾曼濾波根據(jù)增廣狀態(tài)和神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果進(jìn)行時(shí)間更新步驟。最后高階容積卡爾曼濾波結(jié)合時(shí)間更新的結(jié)果和測(cè)量的輸出結(jié)構(gòu)進(jìn)行時(shí)間更新得到k時(shí)刻的系統(tǒng)增廣狀態(tài)值[xkWk],并作為下次系統(tǒng)的輸入狀態(tài)。具體算法如下:

    首先將系統(tǒng)的狀態(tài)與神經(jīng)網(wǎng)絡(luò)的權(quán)系數(shù)組合起來,形成增廣狀態(tài)xa=[xW]T,則可建立如下所示的非線性系統(tǒng):

    (9)

    (10)

    其中,fj(xk)為神經(jīng)網(wǎng)絡(luò)對(duì)非線性系統(tǒng)建立的數(shù)學(xué)模型:

    (11)

    g(x)為神經(jīng)網(wǎng)絡(luò)Sigmod核函數(shù),Wk為神經(jīng)網(wǎng)絡(luò)的權(quán)系數(shù),新系統(tǒng)的過程噪聲wk和觀測(cè)噪聲vk均為獨(dú)立的零均值高斯白噪聲,并且對(duì)應(yīng)的協(xié)方差矩陣分別為Qk、Rk。

    然后對(duì)狀態(tài)進(jìn)行時(shí)間更新:

    1) 在時(shí)刻k,假設(shè)k-1時(shí)刻的誤差協(xié)方差已知且為Pk-1|k-1,分解因數(shù):

    (12)

    其中,向量Sk-1|k-1為Pk-1|k-1的Cholesky分解。

    2) 計(jì)算容積點(diǎn):

    (13)

    其中m=2n,向量ξi為:

    (14)

    (15)

    3) 計(jì)算狀態(tài)方程傳播后的容積點(diǎn)(i=1,2,…,m):

    (16)

    4) 計(jì)算一步狀態(tài)預(yù)測(cè):

    (17)

    其中,權(quán)值wi分別為:

    (18)

    5) 計(jì)算一步預(yù)測(cè)誤差協(xié)方差矩陣:

    (19)

    最后進(jìn)行測(cè)量更新:

    1) 分解因數(shù):

    (20)

    2) 計(jì)算更新后的狀態(tài)容積點(diǎn):

    (21)

    3) 計(jì)算測(cè)量方程傳播后的容積點(diǎn):

    (22)

    4) 計(jì)算k時(shí)刻一步量測(cè)預(yù)測(cè):

    (23)

    5) 計(jì)算新息協(xié)方差矩陣:

    (24)

    6) 計(jì)算一步預(yù)測(cè)互協(xié)方差矩陣:

    (25)

    7) 計(jì)算增益矩陣:

    (26)

    8) 計(jì)算更新狀態(tài):

    (27)

    9) 計(jì)算協(xié)方差矩陣:

    (28)

    4 實(shí)驗(yàn)仿真

    考慮如下非線性目標(biāo)跟蹤系統(tǒng)離散模型[10]:

    (29)

    y(k)=x1(k)+x2(k)+v(k)

    (30)

    為了對(duì)比方便,本文對(duì)算法進(jìn)行如下簡單標(biāo)記:

    算法1:基于高階容積卡爾曼濾波和神經(jīng)網(wǎng)絡(luò)的估計(jì)算法;

    算法2:基于無跡卡爾曼濾波和神經(jīng)網(wǎng)絡(luò)的估計(jì)算法。

    仿真結(jié)果如圖3-圖6及表1所示。

    圖3 狀態(tài)1的估計(jì)曲線

    圖4 狀態(tài)2的估計(jì)曲線

    圖5 狀態(tài)1的估計(jì)誤差曲線

    圖6 狀態(tài)2的估計(jì)誤差曲線

    表1 估計(jì)誤差對(duì)比

    從圖3和圖4的估計(jì)曲線來看,算法1和算法2都能對(duì)原始狀態(tài)進(jìn)行較好的跟蹤估計(jì),說明兩種算法都是有效的。從圖4和圖5的估計(jì)誤差曲線來看,兩種算法的誤差很快趨于穩(wěn)定,且算法1的誤差明顯要小于算法2的誤差。從表1的統(tǒng)計(jì)數(shù)據(jù)來看,算法1的狀態(tài)估計(jì)精度大大高于算法2,特別是在對(duì)狀態(tài)2的估計(jì)精度上,算法2的估計(jì)誤差是算法1估計(jì)誤差的兩倍多。這主要是因?yàn)楦唠A容積卡爾曼濾波算法的估計(jì)精度高于無跡卡爾曼濾波算法,從而說明了基于高階容積卡爾曼濾波和神經(jīng)網(wǎng)絡(luò)的估計(jì)算法的有效性。

    5 結(jié) 語

    本文針對(duì)狀態(tài)模型未知的非線性系統(tǒng),提出了一種基于高階容積卡爾曼濾波算法和神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計(jì)算法,解決了現(xiàn)有的基于非線性濾波和神經(jīng)網(wǎng)絡(luò)的算法對(duì)狀態(tài)估計(jì)的精度受限的缺陷問題。首先利用神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)狀態(tài)進(jìn)行建模,并利用高階容積卡爾曼濾波算法對(duì)系統(tǒng)狀態(tài)和神經(jīng)網(wǎng)絡(luò)權(quán)重組合成的新狀態(tài)變量進(jìn)行實(shí)時(shí)更新估計(jì)。所提算法彌補(bǔ)了現(xiàn)有算法的不足,提高了基于神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計(jì)精度,仿真實(shí)驗(yàn)表明了本文所提算法的有效性。本文所解決的是模型未知且輸出為狀態(tài)的線性組合的情況下, 非線性系統(tǒng)的狀態(tài)估計(jì)問題相對(duì)于估計(jì)狀態(tài)為可測(cè)量對(duì)象的系統(tǒng),更具有現(xiàn)實(shí)意義。但是對(duì)于輸出為狀態(tài)的非線性關(guān)系的狀態(tài)估計(jì)問題,由于非線性函數(shù)中狀態(tài)與狀態(tài)的分離和狀態(tài)的可觀性難以確定,是一個(gè)更復(fù)雜的問題還需進(jìn)一步的研究。

    [1] 彭玉青,趙翠翠,高晴晴.基于RBF神經(jīng)網(wǎng)絡(luò)的集成增量學(xué)習(xí)算法[J].計(jì)算機(jī)應(yīng)用與軟件,2016,33(6):246-250.

    [2] 南敬昌,桑百行,高明明.新穎的神經(jīng)網(wǎng)絡(luò)逆建模方法及其應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件,2016,33(1):147-150.

    [3]SinghalS,WuL.TrainingmultilayerperceptionswiththeextendedKalmanalgorithm[M]//AdvanceinNeuralInformationProcessingSystems.California:MorganKaufmannPublisherInc,1989,1:133-140.

    [4] 王英博,閆吉府,李仲學(xué).遺傳算法優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)的尾礦庫安全預(yù)測(cè)[J].計(jì)算機(jī)應(yīng)用與軟件,2015,32(3):182-184.

    [5] 高憲軍,翟林培.GPS/INS組合導(dǎo)航系統(tǒng)的研究[J].光學(xué)精密工程,2004,12(2):146-150.

    [6]ZhaF,XuJN.IUKFneuralnetworkmodelingforFOGtemperaturedrift[J].IEEETransonSystemsEngineeringandElectronics,2013,24(5):838-844.

    [7]WuXD,WangYN.ExtendedandUnscentedKalmanfilteringbasedfeedforwardneuralnetworksfortimeseriesprediction[J].AppliedMathematicalModelling,2012,36(3):1123-1131.

    [8]JiaB,XinM,ChengY.High-degreecubatureKalmanfilter[J].Automatica,2013,49(2):510-518.

    [9] 張龍,崔乃剛,楊峰,等.高階容積卡爾曼濾波及其在目標(biāo)跟蹤中的應(yīng)用[J].哈爾濱工程大學(xué)學(xué)報(bào),2016,37(4):573-578.

    [10]XiongK,ZhangHY,ChanCW.PerformanceevaluationofUKF-basednonlinearfiltering[J].Automatica,2014,42(2):261-270.

    STATE ESTIMATION ALGORITHM BASED ON HIGH ORDER CUBATURE KALMAN FILTER AND NEURAL NETWORK WITH UNKNOWN STATE MODEL

    Xu Daxing1Wang Hailun1,2

    1(CollegeofElectricalandInformationEngineering,QuzhouUniversity,Quzhou324000,Zhejiang,China)2(LogisticsEngineeringCollege,ShanghaiMaritimeUniversity,Shanghai201306,China)

    In view of the nonlinear state model of the system is unknown, this paper presents a state estimation algorithm based on high order cubature Kalman filter and neural network to solve the problem of state estimation of unknown nonlinear system model. The neural network is used to establish the state space model for the nonlinear system. Then, the weight of the neural network and the state of the system variables together are combines as the new state variables. And the new state is updated in real time by high order cubature Kalman filter, so as to achieve the neural network on the nonlinear system model of the real approximation and accurate estimation of the state value. The final target tracking simulation shows that the algorithm has higher estimation accuracy.

    Nonlinear system Unknown model High order cubature Kalman filter Neural network

    2017-01-06。國家自然科學(xué)基金項(xiàng)目(61403229);浙江省科技廳公益項(xiàng)目(2015C33230)。許大星,助教,主研領(lǐng)域:狀態(tài)估計(jì),非線性濾波。王海倫,副教授。

    TP18

    A

    10.3969/j.issn.1000-386x.2017.06.046

    猜你喜歡
    無跡卡爾曼濾波高階
    有限圖上高階Yamabe型方程的非平凡解
    高階各向異性Cahn-Hilliard-Navier-Stokes系統(tǒng)的弱解
    滾動(dòng)軸承壽命高階計(jì)算與應(yīng)用
    哈爾濱軸承(2020年1期)2020-11-03 09:16:02
    無跡卡爾曼濾波在電線積冰觀測(cè)數(shù)據(jù)處理中的應(yīng)用
    基于無跡卡爾曼濾波的行波波頭辨識(shí)
    基于遞推更新卡爾曼濾波的磁偶極子目標(biāo)跟蹤
    應(yīng)用RB無跡卡爾曼濾波組合導(dǎo)航提高GPS重獲信號(hào)后的導(dǎo)航精度
    基于模糊卡爾曼濾波算法的動(dòng)力電池SOC估計(jì)
    基于擴(kuò)展卡爾曼濾波的PMSM無位置傳感器控制
    基于Bernstein多項(xiàng)式的配點(diǎn)法解高階常微分方程
    19禁男女啪啪无遮挡网站| 国产精品一区二区免费欧美| 欧美日韩瑟瑟在线播放| 国产又色又爽无遮挡免费看| 亚洲av第一区精品v没综合| 午夜激情福利司机影院| 日日爽夜夜爽网站| 色哟哟哟哟哟哟| 久久这里只有精品中国| 日韩欧美免费精品| 久久草成人影院| 精品久久久久久久人妻蜜臀av| 日本成人三级电影网站| 少妇被粗大的猛进出69影院| 最近最新免费中文字幕在线| 天堂影院成人在线观看| 国产精品久久久久久久电影 | 成人欧美大片| 国产高清视频在线播放一区| 久久香蕉国产精品| 给我免费播放毛片高清在线观看| 中文字幕最新亚洲高清| 妹子高潮喷水视频| 五月玫瑰六月丁香| av福利片在线| 麻豆一二三区av精品| 免费在线观看影片大全网站| 女生性感内裤真人,穿戴方法视频| 久久久久九九精品影院| 国产精品 欧美亚洲| 夜夜夜夜夜久久久久| 日韩欧美三级三区| 国产精品一及| 亚洲精品色激情综合| 国产一区二区在线观看日韩 | 琪琪午夜伦伦电影理论片6080| 久久这里只有精品中国| 精品久久久久久,| 亚洲欧美日韩无卡精品| 久久久久久九九精品二区国产 | 欧美在线一区亚洲| 一级片免费观看大全| 免费看美女性在线毛片视频| 我要搜黄色片| 久久精品国产99精品国产亚洲性色| 亚洲av成人一区二区三| 欧美+亚洲+日韩+国产| 免费在线观看成人毛片| 波多野结衣巨乳人妻| 一进一出抽搐gif免费好疼| 深夜精品福利| 99精品久久久久人妻精品| 欧美一级a爱片免费观看看 | 夜夜夜夜夜久久久久| 欧美日本视频| 日韩 欧美 亚洲 中文字幕| 亚洲av第一区精品v没综合| 成年女人毛片免费观看观看9| 国产伦一二天堂av在线观看| 日韩精品免费视频一区二区三区| 日韩大码丰满熟妇| 成人18禁高潮啪啪吃奶动态图| 久久国产精品影院| 一二三四社区在线视频社区8| 国产亚洲av嫩草精品影院| 国产精品一区二区免费欧美| 妹子高潮喷水视频| 中文字幕熟女人妻在线| 性欧美人与动物交配| 国产伦一二天堂av在线观看| 两个人免费观看高清视频| 国产精品久久久久久人妻精品电影| 色综合欧美亚洲国产小说| 欧美激情久久久久久爽电影| 香蕉av资源在线| 免费看十八禁软件| 日日夜夜操网爽| 国产爱豆传媒在线观看 | 欧美精品啪啪一区二区三区| 一进一出抽搐gif免费好疼| 哪里可以看免费的av片| 99久久精品国产亚洲精品| 亚洲国产日韩欧美精品在线观看 | 久久婷婷成人综合色麻豆| 国产av一区二区精品久久| 精品久久久久久久末码| 亚洲欧美日韩高清在线视频| 国产av在哪里看| 免费观看人在逋| 少妇的丰满在线观看| 搞女人的毛片| 两个人免费观看高清视频| www.www免费av| 久久人妻av系列| 国产精品98久久久久久宅男小说| 亚洲熟妇中文字幕五十中出| 久久久久性生活片| 欧美日韩精品网址| АⅤ资源中文在线天堂| 首页视频小说图片口味搜索| 三级男女做爰猛烈吃奶摸视频| 1024香蕉在线观看| 制服诱惑二区| 亚洲 欧美一区二区三区| 大型黄色视频在线免费观看| 两个人视频免费观看高清| 国产精品 欧美亚洲| 中文亚洲av片在线观看爽| 日本精品一区二区三区蜜桃| 国产97色在线日韩免费| 小说图片视频综合网站| a级毛片a级免费在线| 国产亚洲欧美98| 亚洲自偷自拍图片 自拍| 一级a爱片免费观看的视频| 国产成人精品无人区| 成人18禁在线播放| 动漫黄色视频在线观看| 国产精品精品国产色婷婷| 亚洲免费av在线视频| 欧美精品啪啪一区二区三区| 色综合亚洲欧美另类图片| 男人的好看免费观看在线视频 | 叶爱在线成人免费视频播放| 丰满人妻熟妇乱又伦精品不卡| 中文亚洲av片在线观看爽| 日本精品一区二区三区蜜桃| 免费看日本二区| 欧美精品亚洲一区二区| 天堂√8在线中文| 一进一出抽搐动态| 国产精品1区2区在线观看.| 丰满人妻一区二区三区视频av | АⅤ资源中文在线天堂| www国产在线视频色| 亚洲午夜精品一区,二区,三区| 在线永久观看黄色视频| aaaaa片日本免费| 99国产精品一区二区三区| 久久精品aⅴ一区二区三区四区| 男插女下体视频免费在线播放| 99精品在免费线老司机午夜| 国产三级在线视频| a在线观看视频网站| 正在播放国产对白刺激| netflix在线观看网站| 亚洲成a人片在线一区二区| 午夜精品一区二区三区免费看| 看片在线看免费视频| 黄色 视频免费看| 亚洲男人天堂网一区| 中亚洲国语对白在线视频| 香蕉国产在线看| 精品国产乱子伦一区二区三区| 日本成人三级电影网站| 国产精品久久久久久精品电影| av超薄肉色丝袜交足视频| 欧美日韩亚洲国产一区二区在线观看| 亚洲国产欧美网| av中文乱码字幕在线| 欧美性猛交╳xxx乱大交人| 99精品久久久久人妻精品| 亚洲 欧美一区二区三区| 亚洲 欧美 日韩 在线 免费| 波多野结衣高清作品| 国产欧美日韩一区二区精品| 亚洲在线自拍视频| 日韩中文字幕欧美一区二区| 美女大奶头视频| 一夜夜www| 亚洲人与动物交配视频| 国产在线精品亚洲第一网站| 欧美三级亚洲精品| 国产私拍福利视频在线观看| 一边摸一边抽搐一进一小说| 午夜福利成人在线免费观看| 亚洲va日本ⅴa欧美va伊人久久| 国产男靠女视频免费网站| 一个人免费在线观看的高清视频| 精品欧美国产一区二区三| 中文字幕久久专区| 国产精品亚洲一级av第二区| 日本免费一区二区三区高清不卡| 激情在线观看视频在线高清| 一二三四在线观看免费中文在| 国产成人系列免费观看| 国产午夜精品久久久久久| 搡老妇女老女人老熟妇| 久久九九热精品免费| 欧美丝袜亚洲另类 | 国产三级中文精品| 欧美在线黄色| 亚洲成人国产一区在线观看| 视频区欧美日本亚洲| 午夜福利在线观看吧| 可以免费在线观看a视频的电影网站| 香蕉久久夜色| 一进一出抽搐gif免费好疼| 1024香蕉在线观看| 国产av又大| 国产精品一区二区免费欧美| 国产午夜福利久久久久久| 国产高清激情床上av| cao死你这个sao货| 色综合欧美亚洲国产小说| 天天一区二区日本电影三级| 精品欧美一区二区三区在线| 最近最新中文字幕大全电影3| 日韩精品中文字幕看吧| 少妇人妻一区二区三区视频| 亚洲av电影在线进入| 国产精品美女特级片免费视频播放器 | 色精品久久人妻99蜜桃| 亚洲国产中文字幕在线视频| 欧美激情久久久久久爽电影| 亚洲国产精品999在线| 国产精品av久久久久免费| 特大巨黑吊av在线直播| 看片在线看免费视频| 嫩草影视91久久| 亚洲av电影在线进入| 亚洲人与动物交配视频| 淫妇啪啪啪对白视频| 女同久久另类99精品国产91| 午夜福利18| 欧美日韩中文字幕国产精品一区二区三区| 禁无遮挡网站| 欧美另类亚洲清纯唯美| 欧美日本视频| 亚洲va日本ⅴa欧美va伊人久久| 日韩免费av在线播放| 最好的美女福利视频网| 欧美午夜高清在线| www.www免费av| www.熟女人妻精品国产| 亚洲专区国产一区二区| 欧美午夜高清在线| 亚洲五月婷婷丁香| 国产成+人综合+亚洲专区| 欧美黄色片欧美黄色片| svipshipincom国产片| 久久欧美精品欧美久久欧美| 后天国语完整版免费观看| 国内精品一区二区在线观看| 舔av片在线| 亚洲人成网站高清观看| 在线永久观看黄色视频| 欧美极品一区二区三区四区| 女人高潮潮喷娇喘18禁视频| 亚洲人与动物交配视频| 999精品在线视频| 啪啪无遮挡十八禁网站| 国产成+人综合+亚洲专区| 波多野结衣高清作品| 亚洲avbb在线观看| 搡老岳熟女国产| 99在线视频只有这里精品首页| 激情在线观看视频在线高清| 国产伦人伦偷精品视频| 中文资源天堂在线| 久久精品综合一区二区三区| 人妻丰满熟妇av一区二区三区| 两个人视频免费观看高清| x7x7x7水蜜桃| 欧美日韩国产亚洲二区| 亚洲自拍偷在线| 俄罗斯特黄特色一大片| 婷婷丁香在线五月| 欧美+亚洲+日韩+国产| 男人的好看免费观看在线视频 | 国产精品久久久久久人妻精品电影| 国产成人精品久久二区二区免费| 黄色视频不卡| 50天的宝宝边吃奶边哭怎么回事| 精品国产美女av久久久久小说| 少妇的丰满在线观看| 亚洲专区中文字幕在线| 午夜精品在线福利| 亚洲 欧美 日韩 在线 免费| 免费看十八禁软件| 午夜激情av网站| 最近视频中文字幕2019在线8| 91大片在线观看| 在线观看一区二区三区| 欧美一级毛片孕妇| 亚洲自拍偷在线| 国产精品美女特级片免费视频播放器 | 日韩中文字幕欧美一区二区| 这个男人来自地球电影免费观看| 午夜激情av网站| 制服丝袜大香蕉在线| 中文字幕久久专区| 中文字幕人妻丝袜一区二区| 黑人欧美特级aaaaaa片| 精品国产美女av久久久久小说| 精品午夜福利视频在线观看一区| 欧美日本亚洲视频在线播放| 无人区码免费观看不卡| 午夜福利高清视频| 精品熟女少妇八av免费久了| 少妇粗大呻吟视频| 国产真实乱freesex| 日本成人三级电影网站| 18美女黄网站色大片免费观看| 欧美性长视频在线观看| 免费观看人在逋| 中文字幕av在线有码专区| 亚洲熟妇中文字幕五十中出| 最新美女视频免费是黄的| 午夜a级毛片| 狂野欧美激情性xxxx| 国产精品影院久久| 非洲黑人性xxxx精品又粗又长| 麻豆久久精品国产亚洲av| 国产精品 国内视频| 欧美性长视频在线观看| 国产高清有码在线观看视频 | 亚洲精品国产精品久久久不卡| 级片在线观看| 91麻豆精品激情在线观看国产| 色综合欧美亚洲国产小说| 久久人人精品亚洲av| av福利片在线| 久久久久久免费高清国产稀缺| 1024视频免费在线观看| 精品不卡国产一区二区三区| 久久精品成人免费网站| 变态另类成人亚洲欧美熟女| 亚洲精华国产精华精| 色老头精品视频在线观看| 日本免费a在线| 人人妻人人看人人澡| 哪里可以看免费的av片| 窝窝影院91人妻| 亚洲av美国av| 亚洲欧美日韩高清在线视频| 天堂√8在线中文| 91老司机精品| 天堂√8在线中文| 亚洲在线自拍视频| 国产精品一区二区三区四区久久| 淫妇啪啪啪对白视频| 免费电影在线观看免费观看| 最近最新中文字幕大全电影3| 黄色女人牲交| 久久午夜综合久久蜜桃| 日韩欧美三级三区| 欧美一级a爱片免费观看看 | 韩国av一区二区三区四区| 午夜福利免费观看在线| 在线观看舔阴道视频| 国产亚洲欧美在线一区二区| 亚洲国产欧美网| 视频区欧美日本亚洲| 天堂av国产一区二区熟女人妻 | 色尼玛亚洲综合影院| 美女午夜性视频免费| 欧美中文日本在线观看视频| 97人妻精品一区二区三区麻豆| 性欧美人与动物交配| 亚洲美女黄片视频| 国产精品亚洲av一区麻豆| 成人特级黄色片久久久久久久| 亚洲无线在线观看| 午夜激情av网站| av视频在线观看入口| 亚洲欧美日韩东京热| 18禁美女被吸乳视频| 亚洲自偷自拍图片 自拍| 91av网站免费观看| 久久久久国产精品人妻aⅴ院| 51午夜福利影视在线观看| 国产免费男女视频| 人成视频在线观看免费观看| 777久久人妻少妇嫩草av网站| 男女视频在线观看网站免费 | 免费看十八禁软件| 欧美三级亚洲精品| 99精品久久久久人妻精品| 日本黄色视频三级网站网址| 国产精品精品国产色婷婷| 国产探花在线观看一区二区| avwww免费| 国产单亲对白刺激| 亚洲国产看品久久| 日本在线视频免费播放| 欧美黄色片欧美黄色片| 亚洲 欧美一区二区三区| 国产一区二区激情短视频| 日本一本二区三区精品| 亚洲精品美女久久久久99蜜臀| 欧美一级a爱片免费观看看 | 亚洲午夜精品一区,二区,三区| 人成视频在线观看免费观看| 国产亚洲精品久久久久久毛片| 午夜福利视频1000在线观看| 久久久久久人人人人人| 在线看三级毛片| av中文乱码字幕在线| 欧美黄色淫秽网站| 国内揄拍国产精品人妻在线| 国产aⅴ精品一区二区三区波| 亚洲激情在线av| 伦理电影免费视频| 一二三四社区在线视频社区8| 国产精品电影一区二区三区| 国产精品自产拍在线观看55亚洲| 成人高潮视频无遮挡免费网站| 啪啪无遮挡十八禁网站| 成人特级黄色片久久久久久久| 久久午夜亚洲精品久久| 欧美一区二区精品小视频在线| 热99re8久久精品国产| 人人妻,人人澡人人爽秒播| 97超级碰碰碰精品色视频在线观看| 久久国产乱子伦精品免费另类| 精品欧美一区二区三区在线| 99久久精品热视频| 国内精品久久久久精免费| 国产一区二区激情短视频| 国产成人精品久久二区二区免费| 欧美日韩乱码在线| 一二三四在线观看免费中文在| 一本久久中文字幕| 日本免费一区二区三区高清不卡| 国产区一区二久久| 男人舔女人下体高潮全视频| 天堂影院成人在线观看| 亚洲精品粉嫩美女一区| 在线观看舔阴道视频| 一夜夜www| 777久久人妻少妇嫩草av网站| 高清毛片免费观看视频网站| 每晚都被弄得嗷嗷叫到高潮| 国内精品久久久久久久电影| 美女免费视频网站| 欧美国产日韩亚洲一区| 亚洲18禁久久av| 久久 成人 亚洲| 亚洲九九香蕉| 激情在线观看视频在线高清| 91国产中文字幕| 国产爱豆传媒在线观看 | 国产免费av片在线观看野外av| 日本一本二区三区精品| 午夜福利免费观看在线| 岛国在线观看网站| 亚洲五月婷婷丁香| www.自偷自拍.com| 国产成人啪精品午夜网站| 亚洲精品久久成人aⅴ小说| 制服人妻中文乱码| 视频区欧美日本亚洲| 又黄又粗又硬又大视频| 精品久久久久久久末码| 日韩欧美 国产精品| 99久久精品国产亚洲精品| 99re在线观看精品视频| 国产又黄又爽又无遮挡在线| 国产一区二区在线av高清观看| 韩国av一区二区三区四区| 欧美zozozo另类| 在线观看免费视频日本深夜| 国产成人aa在线观看| 亚洲乱码一区二区免费版| 欧美另类亚洲清纯唯美| 亚洲国产欧洲综合997久久,| 好看av亚洲va欧美ⅴa在| 亚洲aⅴ乱码一区二区在线播放 | 欧美色欧美亚洲另类二区| 美女免费视频网站| 国产精品一区二区免费欧美| 天天添夜夜摸| 国产精品免费视频内射| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩欧美精品v在线| 欧洲精品卡2卡3卡4卡5卡区| 哪里可以看免费的av片| 国产免费男女视频| 一本久久中文字幕| 午夜福利在线在线| 久久伊人香网站| 免费高清视频大片| 久久久久免费精品人妻一区二区| 国产精品久久视频播放| 成人av一区二区三区在线看| 老司机午夜福利在线观看视频| 在线永久观看黄色视频| 波多野结衣巨乳人妻| 亚洲七黄色美女视频| 亚洲人成网站在线播放欧美日韩| 免费在线观看黄色视频的| 日韩成人在线观看一区二区三区| 欧美大码av| 亚洲中文av在线| 成人高潮视频无遮挡免费网站| 黄片大片在线免费观看| 亚洲精品在线观看二区| 国产av一区在线观看免费| 哪里可以看免费的av片| 99国产精品一区二区三区| 男人的好看免费观看在线视频 | √禁漫天堂资源中文www| 国产av不卡久久| 欧美乱色亚洲激情| 国产精华一区二区三区| 最好的美女福利视频网| 国产人伦9x9x在线观看| 国产一区二区三区在线臀色熟女| 亚洲欧美精品综合一区二区三区| 国产精品美女特级片免费视频播放器 | 国产av一区二区精品久久| 成人欧美大片| 久久久久久久精品吃奶| 悠悠久久av| 欧美一级毛片孕妇| 国产欧美日韩精品亚洲av| 又黄又粗又硬又大视频| 成人手机av| 精品人妻1区二区| 在线播放国产精品三级| 欧美性猛交黑人性爽| 久久久久国产精品人妻aⅴ院| 亚洲色图 男人天堂 中文字幕| 国产av在哪里看| 正在播放国产对白刺激| 亚洲av日韩精品久久久久久密| 老司机在亚洲福利影院| 一进一出抽搐动态| 久久婷婷人人爽人人干人人爱| 天堂av国产一区二区熟女人妻 | 欧美日韩国产亚洲二区| 一本久久中文字幕| 国产三级在线视频| 欧美久久黑人一区二区| 久久中文字幕人妻熟女| 亚洲电影在线观看av| 欧美丝袜亚洲另类 | 18禁裸乳无遮挡免费网站照片| 97碰自拍视频| 国产片内射在线| 亚洲狠狠婷婷综合久久图片| 黑人巨大精品欧美一区二区mp4| 免费在线观看成人毛片| 亚洲成人国产一区在线观看| 香蕉久久夜色| 给我免费播放毛片高清在线观看| 国产成人系列免费观看| 国产探花在线观看一区二区| 亚洲aⅴ乱码一区二区在线播放 | 午夜福利成人在线免费观看| 久久香蕉国产精品| 黄色成人免费大全| 两人在一起打扑克的视频| 亚洲,欧美精品.| 又黄又粗又硬又大视频| 好男人在线观看高清免费视频| 五月伊人婷婷丁香| 国产av麻豆久久久久久久| 老鸭窝网址在线观看| 18禁观看日本| 精品久久久久久久久久久久久| 精品久久久久久久毛片微露脸| 国产精品亚洲一级av第二区| 成人国语在线视频| 久久精品影院6| 欧美日韩精品网址| 免费在线观看亚洲国产| 99热只有精品国产| 国内精品一区二区在线观看| 免费在线观看黄色视频的| 国产免费av片在线观看野外av| 亚洲中文日韩欧美视频| 一本久久中文字幕| 一级a爱片免费观看的视频| 久久精品人妻少妇| 黄色丝袜av网址大全| 成在线人永久免费视频| 亚洲精品在线美女| 成人三级做爰电影| 欧美一区二区国产精品久久精品 | 亚洲七黄色美女视频| 午夜福利高清视频| 精品久久久久久久久久久久久| 免费看美女性在线毛片视频| 人妻夜夜爽99麻豆av| 一卡2卡三卡四卡精品乱码亚洲| videosex国产| 一边摸一边做爽爽视频免费| 狂野欧美激情性xxxx| 久久香蕉国产精品| 黑人巨大精品欧美一区二区mp4| 国产精品亚洲av一区麻豆| 久久久水蜜桃国产精品网| 老熟妇乱子伦视频在线观看| 很黄的视频免费| 99精品欧美一区二区三区四区| 色老头精品视频在线观看| 国产成人一区二区三区免费视频网站| 亚洲成人国产一区在线观看| 在线十欧美十亚洲十日本专区| 国产熟女午夜一区二区三区| 午夜a级毛片| 黑人操中国人逼视频| tocl精华| 男女下面进入的视频免费午夜| 99久久99久久久精品蜜桃| 午夜精品在线福利| 亚洲美女视频黄频| 国产成+人综合+亚洲专区| 在线观看日韩欧美| 香蕉av资源在线| 亚洲欧美日韩东京热| 美女 人体艺术 gogo| 日本精品一区二区三区蜜桃|