• <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 ?

    基于強化學習的無線網(wǎng)絡智能接入控制技術

    2018-09-21 11:11:14嚴牧孫耀馮鋼
    中興通訊技術 2018年2期
    關鍵詞:強化學習

    嚴牧 孫耀 馮鋼

    摘要:介紹了無線網(wǎng)絡中的強化學習算法,認為由于強化學習算法與環(huán)境交互并動態(tài)決策的特點,其對復雜網(wǎng)絡環(huán)境有著較強的適應能力;然后針對無線網(wǎng)絡中的強化學習方法的應用場景做了概述,并給出了兩個基于強化學習的無線接入技術案例:毫米波技術的切換技術和Multi-RAT接入技術??梢钥吹剑褐悄艿臒o線接入技術由于具備充分挖掘和擴展無線網(wǎng)絡資源的潛力,能夠顯著提高無線網(wǎng)絡用戶的體驗。

    關鍵詞: 未來無線網(wǎng)絡;切換;接入控制;強化學習

    Abstract: In this paper, the application of reinforcement learning in wireless network is briefly introduced. Due to the characteristics of interacting with environment and dynamic decision making, reinforcement leaning algorithm has strong adaptability to complex network environment. Then the application scenarios of reinforcement learning method in wireless network are summarized, and two cases of wireless access technology based on reinforcement learning are given: handoff policy of mmWave HetNets and multi-rat access control. Intelligent access control of wireless network is powerful in exploiting wireless network resources, which can improve the quality of experiences of mobile users.

    Key words: future wireless network; handoff; access control; reinforcement learning

    當今社會已經(jīng)邁入信息經(jīng)濟時代,信息技術已成為推動經(jīng)濟結構向多樣化消費和低能耗高效發(fā)展的重要驅動力。據(jù)思科公司預測,到2019年全球移動數(shù)據(jù)總流量將增長至每月24.3 EB,接近2000年全球互聯(lián)網(wǎng)總流量的200倍[1]。另據(jù)全球移動通信系統(tǒng)(GSM)協(xié)會分析[2],到2020年全球支撐物聯(lián)網(wǎng)的機器對機器通信(M2M)連接數(shù)將達到9.8億,接近2000 年全球M2M 連接數(shù)的14倍。無線通信網(wǎng)絡在面臨無線資源趨于枯竭的同時,正在經(jīng)歷著前所未有的高增速無線服務需求與低效率無線服務供給之間的矛盾。

    未來無線通信將利用復雜異構網(wǎng)絡來支持多樣化應用場景,包括連續(xù)廣域覆蓋、熱點高容量、高可靠低時延以及低功耗巨連接等。由于用戶終端性能和業(yè)務需求的不同,用戶體驗質量(QoE)在不同通信場景也存在極大的差異性。出于成本和兼容性的考慮,未來無線網(wǎng)絡將長期處于多網(wǎng)共存的狀況,包括2G、3G、4G、5G、Wi-Fi 等,由于不同網(wǎng)絡利用不同的無線接入技術,因而形成了接入技術的差異性。同時,為了進一步提升網(wǎng)絡的容量,需要在傳統(tǒng)接入站點的基礎上引入Micro、Pico、終端直通(D2D)、移動自組織(Adhoc)及小蜂窩等接入站點,因而形成了對網(wǎng)絡的重疊異構覆蓋。網(wǎng)絡的高密度部署和多網(wǎng)絡共存使得復雜異構網(wǎng)絡下的無線干擾環(huán)境變得更加復雜,并對無線接入網(wǎng)的資源調度和控制管理提出了更高的要求。

    傳統(tǒng)的無線接入技術在“網(wǎng)絡-頻譜”的靜態(tài)匹配關系下對網(wǎng)絡進行規(guī)劃設計和資源配置。設備的接入往往基于某一參數(shù)(如信號強弱、區(qū)域位置)選擇單一接入網(wǎng)絡和固定接入站點。由于復雜異構網(wǎng)絡中海量用戶行為的隨機性,不同網(wǎng)絡的業(yè)務需求呈現(xiàn)出極大的時空動態(tài)變化特性。靜態(tài)的“網(wǎng)絡-頻譜”匹配使得網(wǎng)絡容量無法滿足變化的網(wǎng)絡業(yè)務需求,大大地限制了無線網(wǎng)絡的接入能力,并導致用戶接入體驗差等問題。

    為根本性地提高無線網(wǎng)絡接入能力,必須打破傳統(tǒng)的無線資源管理和服務接入控制的僵化機制,研究智能的無線接入理論與技術,充分挖掘和擴展無線網(wǎng)絡資源的利用潛力,顯著提高無線網(wǎng)絡用戶的體驗。在無線網(wǎng)絡中,由于用戶行為以及網(wǎng)絡的動態(tài)性和復雜性,使得接入控制和資源分配是非常具備挑戰(zhàn)性的[3]。人工智能(AI)技術,比如機器學習,賦予計算機分析環(huán)境并解決問題的能力,并提供了一種有效的方法來處理動態(tài)性高、復雜度明顯的問題[4]。

    1 強化學習在無線網(wǎng)絡中 的應用

    強化學習是一種在非確定環(huán)境下做決策的強勁的工具[5]。Google Deepmind最近所研發(fā)的AlphaGo以及AlphaGo Zero所使用的強化學習在圍棋這類動態(tài)性明顯、環(huán)境信息復雜的博弈游戲中表現(xiàn)良好[6],并且取得較好的成績。在異構網(wǎng)絡接入控制的過程當中,由于網(wǎng)絡的動態(tài)性導致了決策過程也必然是動態(tài)性的,我們需要主體和環(huán)境進行頻繁交互、感知,從而智能化地協(xié)調用戶和基站的決策行為。因此,強化學習由于其所具備的特點被我們利用到異構網(wǎng)絡的決策過程中也是順其自然的。

    1.1 強化學習的分類

    (1)根據(jù)強化算法是否依賴模型可以分為基于模型的強化學習算法和無模型的強化學習算法。這兩類算法的共同點是通過與環(huán)境交互獲得數(shù)據(jù),不同點是利用數(shù)據(jù)的方式不同?;谀P偷膹娀瘜W習算法利用與環(huán)境交互得到的數(shù)據(jù)學習系統(tǒng)或者環(huán)境模型,再基于模型進行決策。無模型的強化學習算法則是直接利用與環(huán)境交互獲得的數(shù)據(jù)改善自身的行為。兩類方法各有優(yōu)缺點:一般來講基于模型的效率比無模型要高,因為智能體可以利用環(huán)境信息;但是有些無法建立模型的任務只能利用無模型強化學習算法,因此無模型強化學習算法更具備通用性。

    (2)根據(jù)策略的更新和學習方法,強化學習算法可分為基于值函數(shù)的強化學習算法、基于直接策略搜索的強化學習算法以及Actor-Critic(AC)的方法。所謂基于值函數(shù)的強化學習方法是指學習值函數(shù),最終的策略根據(jù)值函數(shù)貪婪得到。也就是說,任意狀態(tài)下,值函數(shù)最大的動作為當前最優(yōu)策略。基于直接策略搜索的強化學習算法,一般是將策略參數(shù)化,學習實現(xiàn)目標的最優(yōu)參數(shù)?;贏C的方法則是聯(lián)合使用值函數(shù)和直接策略搜索。

    (3)根據(jù)環(huán)境返回的回報函數(shù)是否已知,強化學習算法可以分為正向強化學習和逆向強化學習。在強化學習中,回報函數(shù)是人為指定的,回報函數(shù)指定的強化學習算法稱為正向強化學習。很多時候,回報無法人為指定,如無人機的特效表演,這時可以通過機器學習的方法由函數(shù)自己學出來回報。

    1.2 強化學習在無線網(wǎng)絡中的應用

    考慮到無線網(wǎng)絡的特殊應用場景,在基于圖1的分類下,我們進一步按照無線網(wǎng)絡的特點對強化學習進行分類,如圖2所示。首先由于受限于網(wǎng)絡中有限的頻譜資源,用戶總是以競爭的關系接入到網(wǎng)絡中,那么資源調度、小區(qū)切換等考慮用戶QoE的問題往往可以建模成一個多主體馬爾科夫決策過程(MDP);然后考慮到網(wǎng)絡狀態(tài)空間變化基于時間的連續(xù)性或離散性,可將網(wǎng)絡決策過程建模為連續(xù)時間或者離散時間MDP,連續(xù)時間MDP需要決策做到快速反應,盡量做到在線學習;再者,基于網(wǎng)絡動作空間的連續(xù)性或離散性,有分別基于策略迭代和值迭代的強化學習方法;最后考慮到傳統(tǒng)的強化學習方法利用到網(wǎng)絡環(huán)境中的一些不足,我們可以和深度學習結合起來做一個改進。

    根據(jù)做決策的時序先后,我們可以把網(wǎng)絡中接入用戶的決策分為基于多主體的序貫博弈過程或同時博弈過程,如圖3所示。具體來說,由于普通的強化學習本身就是基于MDP建模,并且解決的是序貫博弈的問題。為了解決同時博弈的問題,我們可以采用Nash Q-learning算法[7]。在Nash Q-learning的算法中,所有的決策主體在同一個決策時間從一個隨機的決策開始去嘗試學習它們的最優(yōu)Q-value。為了達到這樣的目的,每一個主體都通過其他主體的Q-value來更新自己的決策,直到達到納什均衡點。例如:在文獻[8]中,作者在認知無線mesh網(wǎng)絡中考慮在盡可能保證主用戶的服務質量(QoS)條件下,為同時接入的次級用戶分配功率資源和頻譜資源。考慮到次級用戶之間的競爭關系(博弈關系),采用了基于多主體的Nash Q-learning算法,并得到較好的結果。在決策空間集較小,并且主體數(shù)量較少的情況下,Nash Q-learning是一種很好的用于解決多主體同時博弈的算法。

    在無線網(wǎng)絡中,經(jīng)常存在動作(決策)空間過大的現(xiàn)象,例如:在時頻資源塊分配問題中或者在長期演進(LTE)中非連續(xù)接收(DRX)cycle長度的設置問題中。如果我們把頻譜資源或者cycle的長度范圍劃分為較小的決策單元,那么就會使得策略空間異常大,會消耗大量的計算資源。如果我們能通過策略迭代用更平滑的手段去搜索最優(yōu)策略,會顯著增加學習效率,更加貼合無線網(wǎng)絡中需求快速決策的特點。

    基于狀態(tài)空間在時間上的連續(xù)性或離散性,我們可以把MDP建模成連續(xù)時間上的MDP或離散時間上的MDP。連續(xù)時間MDP是基于時間序列連續(xù)的馬爾科夫過程,其依然具備馬爾科夫性。連續(xù)時間MDP和離散時間MDP區(qū)別在于時間指標參數(shù)從離散的[T={0,1,2...}]改為連續(xù)的實數(shù)[T={t|t>=0}]。當我們考慮小時間尺度上的網(wǎng)絡問題,由于用戶流的不間斷涌入,信道質量的無規(guī)律變化等都會造成網(wǎng)絡狀態(tài)的頻繁波動。因此快速決策就變得尤為重要。這里基于連續(xù)空間較好的算法是AC算法。AC較好地平衡了值迭代和策略迭代這兩種方法。例如:文獻[9]中,作者考慮把基于流量變化下的基站開關操作建模為一個連續(xù)狀態(tài)的MDP??紤]到用戶的接入流量是一個連續(xù)變化的過程,那么整個網(wǎng)絡的狀態(tài)也相應具有很強的動態(tài)性和連續(xù)性。所使用的AC算法在該工作中不僅加快了學習速率,TD-error還具備預測的功能性。

    無線網(wǎng)絡中,強化學習還可以和深度學習結合起來使用,兩者各有優(yōu)缺點。強化學習本身由于狀態(tài)空間過大會導致學習時間較長(維度詛咒),在復雜的無線網(wǎng)絡環(huán)境中,由于網(wǎng)絡狀態(tài)復雜,單純的強化學習由于算法收斂過慢并不是十分貼合?;谏窠?jīng)網(wǎng)絡的深度學習方法,可以利用歷史數(shù)據(jù)對下一時刻的用戶行為或者網(wǎng)絡狀態(tài)進行預測。但是,盡管深度學習能夠提供較為精準的趨勢分析和模式識別,也很難推導出與數(shù)據(jù)完全匹配的分布函數(shù),在無線網(wǎng)絡中帶來決策上的明顯失誤,使得數(shù)據(jù)失去其應用價值。此外,為了及時保存和處理蜂窩網(wǎng)絡數(shù)據(jù),基站作為中心控制器需要存儲大量的蜂窩網(wǎng)絡數(shù)據(jù),需要消耗大量的存儲和計算資源。因此,我們可以將深度學習利用起來為小時間尺度上的網(wǎng)絡決策提供先驗信息,從而加速強化學習算法的收斂速度。

    2 智能化接入控制案例分析

    我們考慮兩種智能化的接入控制技術作為案例研究:(1)針對毫米波異構蜂窩網(wǎng)我們提出了一種基于機器學習的智能切換策略,在保證用戶服務質量的前提下,減少不必要的切換次數(shù)。針對單個用戶,在強化學習方法中采用基于置信區(qū)間上界(UCB)算法的基站選擇策略,可以降低某個用戶的切換次數(shù)。(2)我們考慮將不同的QoS需求的用戶接入到蜂窩網(wǎng)和Wi-Fi共存的異構網(wǎng)絡中。為了在復雜和動態(tài)環(huán)境中最大化系統(tǒng)吞吐量并且同時滿足用戶QoS需求,我們利用基于多主體強化學習的智能多無線電接入技術,通過動態(tài)感知網(wǎng)絡環(huán)境,來為每個用戶分配相應的信道資源。

    2.1 基于毫米波技術的智能切換技術

    (1)強化學習的獎勵函數(shù)設計

    由于處在同一服務類型的用戶切換準則相近,在經(jīng)過一段時間的學習之后,回報函數(shù)期望的估計值具有較高的準確性。

    (3)基站選擇策略

    由于強化學習中的定理——探索和利用,我們不能夠總是選擇當前回報函數(shù)期望值最大的基站進行切換。通常,我們用Regret來衡量強化學習中的一個策略的優(yōu)劣程度。Regret是指所采取的策略與最優(yōu)策略之間的差距。在我們的這個問題中,UE n在策略π下在執(zhí)行了W次切換后的Regret可以表示為:

    我們考察了毫米波異構網(wǎng)中智能(SMART)切換策略下的性能,并與下面兩種傳統(tǒng)策略進行了對比:基于速率的切換策略(RBH)是每次用戶發(fā)生切換時總是選擇當前可以提供最大傳輸速率的基站進行切換;基于干擾加噪聲比(SINR)的切換策略(SBH)是用戶總是選擇可以提供最大信號SINR的基站進行切換。圖4代表了這3種切換策略下的系統(tǒng)總的切換次數(shù)/系統(tǒng)吞吐量與毫米波小基站(mm-FBS)所占比例λ之間的關系。通過圖4可以看出:我們可以通過較小的系統(tǒng)吞吐量的損失而帶來較明顯的切換次數(shù)的降低。

    2.2 Multi-RAT智能接入技術

    為了在復雜和動態(tài)環(huán)境中最大化系統(tǒng)吞吐量并且同時滿足用戶QoS需求,我們利用基于多主體強化學習方法的智能多無線電接入(SARA)技術,通過動態(tài)感知網(wǎng)絡環(huán)境,來為每個用戶分配相應的信道資源。

    (1)場景描述

    我們研究的場景是蜂窩網(wǎng)小基站(SBS)和Wi-Fi熱點共存的場景。LTE下行執(zhí)行正交頻分多址的傳輸方式(OFDMA),其頻譜資源包含很多的時頻資源塊(RB),又叫做子信道。在傳輸?shù)倪^程中,非連續(xù)波段的頻譜可以利用傳輸數(shù)據(jù)流。為了保護正在進行的會話流,我們假設新到的業(yè)務流必須在沒有多余頻譜資源的情況下進行等待?;咀鳛橹行目刂破魇悄軌颢@取全局的網(wǎng)絡信息,包括用戶的QoS需求和網(wǎng)絡環(huán)境信息。由于網(wǎng)絡的動態(tài)性和跨無線電技術(RAT)的資源調度復雜特性,多無線電技術的聚合需要更加智能化的技術支撐。

    (2)基于多主體強化學習的Multi-RAT接入機制

    多無線電接入過程是一個多主體的隨機過程[9]。在多主體的環(huán)境中,我們可以觀測到其他所有主體所做的決策已經(jīng)反饋的回報值?;谠摱嘀黧w的隨機過程,和圖5提出的兩層決策框架,無線電/信道選擇過程(RSP)和資源分配過程(RAP)中分別存在著同時博弈和序貫博弈的過程。我們采取Nash Q-learning算法[9]以及蒙特卡洛樹搜索(MCTS)方法[10]來解決這兩個博弈的相關問題。

    我們把接入過程建模成一個基于半馬爾科夫(SMDP)的強化學習模型。具體來說,在我們的工作中有兩個決策階段,如圖5所示:第1階段為RSP,該階段的目的在于盡可能地去避免碰撞和亂序情況的發(fā)生,從而壓縮決策空間。當我們的算法收斂后,我們就開始第2階段——RAP,在該階段中,基于有限的網(wǎng)絡資源和多樣的用戶喜好,我們考慮去使用有限的信道資源為用戶提供合適的服務,并且使得系統(tǒng)平均吞吐量最大化。在這一階段中,我們假設在蒙特卡洛樹搜索中,每一個節(jié)點s包含了[{r(s,a),N(s,a),Q(s,a)}]的信息,其中[r(s,a)]是即時的獎賞值用來衡量該資源分配決策的好壞,[N(s,a)]是節(jié)點的被訪問次數(shù),[Q(s,a)]是該節(jié)點的Q-value。在決策的搜索過程中,用到了上界信心樹搜索(UCT)[11]方法。每個節(jié)點所需要滿足的是單個用戶流的QoS需求,根節(jié)點所需要滿足的是整個系統(tǒng)的吞吐量的最大化。

    我們使用了下面的一些調度技術作為比較:多載體的比例公平調度算法(PFSMTS)[12];LTE作為輔助傳輸?shù)乃惴ǎ↙AA):在該算法中,Wi-Fi作為流量優(yōu)先卸載的頻段,LTE作為輔助頻段;在線學習(OLA):對SARA中的用戶進行流式處理。

    從仿真圖我們得到的結論分別是:如圖6a)所示,SARA所需的收斂學習次數(shù)隨著用戶數(shù)量的增加而增加,復雜度也隨之上升??紤]到小時間尺度調度特性,我們可以設置在短時間內(nèi)進行資源調度,這樣相應進入用戶數(shù)量也較少,算法收斂較快,網(wǎng)絡性能容易被滿足。如圖6b)所示,SARA的系統(tǒng)吞吐量性能明顯要高于其他的調度算法(當用戶數(shù)量大于3的時候),這意味著SARA這樣的智能化的LTE-WiFi聚合方式可以在動態(tài)的環(huán)境中明顯地提高系統(tǒng)資源的利用率。

    3結束語

    本文中,我們簡要介紹了強化學習,并研究了強化學習在無線網(wǎng)絡中的一些應用。我們給出了兩個針對復雜異構無線網(wǎng)絡、動態(tài)網(wǎng)絡環(huán)境下的智能接入技術。從仿真結果來看:和傳統(tǒng)的接入控制算法相比,我們提出的智能化接入技術可在增加很小代價的情況下提升較大的網(wǎng)絡性能。

    參考文獻

    [1] Cisco. Visual Networking Index: Global Mobile Data Traffic Forecast Update 2014-2019[R], 2015

    [2] GSM Association. The Mobile Economy Report[R],2015

    [3] CAO B, HE F, LI Y, et al. Software Defined Virtual Wireless Network: Framework and Challenges[J]. IEEE Network, 2015:29(4): 6-12, 2015.DOI: 10.1109/MNET.2015.7166185

    [4] SIMON P.Too Big to Ignore: The Business Case for Big Data[M].British: John Wiley & Sons, 2013

    [5] LITTMAN M L. Reinforcement Learning Improves Behavior from Evaluative Feedback[J] Nature, 2015,521(7553):445-451

    [6] SILVER D, HUANG A, MADDISON C J, et al. Mastering the Game of Go with Deep Neural Networks and Tree Search[J].Nature, 2016, 529(1):484-489

    [7] HU J, WELLMAN M P. Nash Q-Learning for General-Sum Stochastic Games [J]. Journal of Machine Learning Research, 2003, 4(6):1039-1069

    [8] CHEN X F, ZHAO Z F, ZHANG H G. Stochastic Power Adaptation with Multi-agent Reinforcement Learning for Cognitive Wireless Mesh Networks[J]. IEEE Transactions on Mobile Computing, 2013, 12(11):2155-2166.DOI: 10.1109/TMC.2012.178

    [9] LI R, ZHAO Z, CHEN X, PALICOT J, et al. TACT: A Transfer Actor-Critic Learning Framework for Energy Saving in Cellular Radio Access Networks [J]. IEEE Transactions on Wireless Communications,2014,13(4):2000-2011.DOI: 10.1109/TWC.2014.022014.130840

    [10] SILVER D, HUANG A, MADDISON C J A, et al. Masteringthe Game of Go with Deep Neural Networks and Tree Search[J]. Nature, 2016, 529(1):484-489

    [11] ROSIN C D. Multi-Armed Bandits with Episode Context[J]. Annals of Mathematics and Artificial Intelligence, 2011, 61(3):203-230

    [12] KIM H, KIM K, HAN Y, et al. A Proportional Fair Scheduling For multi-carrier Transmission Systems[C]//Vehicular Technology Conference. USA,2004,(1):409-413

    猜你喜歡
    強化學習
    基于深度學習的生成式聊天機器人算法綜述
    機器學習發(fā)展現(xiàn)狀及應用的研究
    未來人工智能自主學習網(wǎng)絡的構建
    轉觀念 強服務 樹立用電檢查新價值
    智能車自主避障路徑規(guī)劃研究綜述
    軟件導刊(2017年10期)2017-11-02 11:22:44
    一種記憶可修剪型仿生機器人的速度跟蹤算法研究
    基于強化學習的在線訂單配送時隙運能分配
    論“以讀促寫”在初中英語寫作教學中的應用
    智能交通車流自動導引系統(tǒng)
    分布式系統(tǒng)中基于非合作博弈的調度算法
    亚洲色图 男人天堂 中文字幕| 男女边摸边吃奶| 精品人妻一区二区三区麻豆| 少妇 在线观看| 免费观看性生交大片5| av又黄又爽大尺度在线免费看| 免费观看a级毛片全部| 久久免费观看电影| 狠狠精品人妻久久久久久综合| 男女边吃奶边做爰视频| 在线天堂最新版资源| 国产成人午夜福利电影在线观看| 老熟女久久久| 高清不卡的av网站| 成人18禁高潮啪啪吃奶动态图| 日韩精品有码人妻一区| 国产精品一区二区在线观看99| 免费少妇av软件| 国产精品国产三级国产专区5o| 好男人视频免费观看在线| 久久综合国产亚洲精品| 国产97色在线日韩免费| 国产精品国产三级专区第一集| 天堂中文最新版在线下载| www.自偷自拍.com| 亚洲精品日本国产第一区| 日韩成人av中文字幕在线观看| 十分钟在线观看高清视频www| 日韩av在线免费看完整版不卡| 精品人妻熟女毛片av久久网站| 亚洲欧美色中文字幕在线| 999精品在线视频| 亚洲精品日本国产第一区| av网站在线播放免费| 麻豆av在线久日| 精品国产露脸久久av麻豆| 亚洲精品一二三| 成年女人在线观看亚洲视频| 99久久人妻综合| 麻豆精品久久久久久蜜桃| av不卡在线播放| 国产一区二区 视频在线| 国产一区亚洲一区在线观看| 日韩一卡2卡3卡4卡2021年| 美女国产视频在线观看| av免费观看日本| 国产av精品麻豆| 精品少妇黑人巨大在线播放| 精品人妻一区二区三区麻豆| 久久人人爽人人片av| 国产精品女同一区二区软件| 又粗又硬又长又爽又黄的视频| 久久精品国产综合久久久| 七月丁香在线播放| 久久精品亚洲av国产电影网| 日本色播在线视频| 美女脱内裤让男人舔精品视频| 午夜福利,免费看| 免费少妇av软件| 中文字幕亚洲精品专区| 在线观看人妻少妇| 午夜影院在线不卡| 丁香六月天网| 婷婷色综合www| 国产精品熟女久久久久浪| 欧美日韩精品网址| 国产精品久久久久久久久免| 国产野战对白在线观看| 日韩欧美一区视频在线观看| 九草在线视频观看| 久久人妻熟女aⅴ| 精品人妻偷拍中文字幕| 少妇被粗大猛烈的视频| 日韩制服骚丝袜av| 可以免费在线观看a视频的电影网站 | 午夜老司机福利剧场| 丝袜美足系列| 9191精品国产免费久久| 国语对白做爰xxxⅹ性视频网站| 九色亚洲精品在线播放| 精品99又大又爽又粗少妇毛片| 国产成人欧美| 高清在线视频一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 免费少妇av软件| 黄色一级大片看看| 亚洲人成77777在线视频| 国产一区二区激情短视频 | 久久精品国产亚洲av天美| 秋霞伦理黄片| 不卡视频在线观看欧美| 国产欧美亚洲国产| 肉色欧美久久久久久久蜜桃| 只有这里有精品99| 观看av在线不卡| 中国三级夫妇交换| 亚洲精品国产色婷婷电影| 日日爽夜夜爽网站| 少妇熟女欧美另类| 纯流量卡能插随身wifi吗| 国产一级毛片在线| 美女中出高潮动态图| 精品人妻熟女毛片av久久网站| 最新的欧美精品一区二区| 国产男女内射视频| 热re99久久国产66热| 天天躁日日躁夜夜躁夜夜| 精品久久久精品久久久| 亚洲一区中文字幕在线| 欧美精品亚洲一区二区| 久久久精品区二区三区| 久热久热在线精品观看| 久久久久久久国产电影| 亚洲精品一区蜜桃| 亚洲精品久久成人aⅴ小说| 欧美+日韩+精品| 美女脱内裤让男人舔精品视频| 久久免费观看电影| 免费高清在线观看视频在线观看| 男女边摸边吃奶| 亚洲精品自拍成人| 视频在线观看一区二区三区| 麻豆av在线久日| 亚洲天堂av无毛| 一区二区av电影网| 色吧在线观看| 一级片'在线观看视频| 久久久久视频综合| 亚洲内射少妇av| 多毛熟女@视频| 久久午夜综合久久蜜桃| 男女国产视频网站| 国产精品一区二区在线不卡| 久久久久久久久免费视频了| 中文乱码字字幕精品一区二区三区| 亚洲成人一二三区av| 亚洲伊人色综图| 久久久精品免费免费高清| 久久婷婷青草| 80岁老熟妇乱子伦牲交| 午夜福利,免费看| 欧美最新免费一区二区三区| 黄频高清免费视频| 日韩av不卡免费在线播放| 日产精品乱码卡一卡2卡三| 美女主播在线视频| 如日韩欧美国产精品一区二区三区| 午夜av观看不卡| 日日撸夜夜添| 日韩中文字幕视频在线看片| 丰满乱子伦码专区| 我的亚洲天堂| 亚洲欧洲国产日韩| 狠狠婷婷综合久久久久久88av| 国产av精品麻豆| videosex国产| 成年美女黄网站色视频大全免费| videosex国产| 午夜福利在线观看免费完整高清在| 男女免费视频国产| 最新的欧美精品一区二区| 又大又黄又爽视频免费| 91久久精品国产一区二区三区| 国产精品久久久久久av不卡| 亚洲色图综合在线观看| 精品少妇内射三级| 夜夜骑夜夜射夜夜干| 黄色视频在线播放观看不卡| 老熟女久久久| 午夜福利,免费看| 永久免费av网站大全| 欧美日韩一级在线毛片| 麻豆av在线久日| 国产一区二区三区av在线| 中文字幕人妻熟女乱码| 最新中文字幕久久久久| av免费在线看不卡| 国产精品人妻久久久影院| 午夜久久久在线观看| 搡老乐熟女国产| 天美传媒精品一区二区| 日日摸夜夜添夜夜爱| 亚洲国产最新在线播放| 丝袜脚勾引网站| 久久久久网色| 侵犯人妻中文字幕一二三四区| 国产欧美日韩一区二区三区在线| 欧美 日韩 精品 国产| 国产日韩欧美亚洲二区| 亚洲,欧美精品.| 黄色配什么色好看| 国产精品av久久久久免费| 超色免费av| 大码成人一级视频| 欧美日韩视频高清一区二区三区二| 综合色丁香网| 国产成人精品婷婷| 啦啦啦中文免费视频观看日本| 天堂俺去俺来也www色官网| 赤兔流量卡办理| 免费观看av网站的网址| 国产精品秋霞免费鲁丝片| 亚洲国产精品一区三区| 夜夜骑夜夜射夜夜干| 精品99又大又爽又粗少妇毛片| 精品少妇黑人巨大在线播放| 成人毛片60女人毛片免费| 性高湖久久久久久久久免费观看| 欧美日韩综合久久久久久| 精品国产乱码久久久久久男人| 永久网站在线| 久久精品国产自在天天线| 国产高清国产精品国产三级| 99久久综合免费| 欧美精品亚洲一区二区| 韩国精品一区二区三区| 赤兔流量卡办理| 老司机影院毛片| 亚洲天堂av无毛| 一边亲一边摸免费视频| 久久国内精品自在自线图片| 国产成人aa在线观看| 日韩制服丝袜自拍偷拍| 精品一品国产午夜福利视频| 熟女av电影| 人人妻人人澡人人爽人人夜夜| 久久久久久久久久久久大奶| 日韩伦理黄色片| 丰满迷人的少妇在线观看| 日韩欧美精品免费久久| 韩国高清视频一区二区三区| 亚洲国产欧美日韩在线播放| 精品亚洲成a人片在线观看| 亚洲精品一二三| 最近中文字幕2019免费版| 69精品国产乱码久久久| www.精华液| 日韩成人av中文字幕在线观看| 日本欧美国产在线视频| av在线老鸭窝| 精品国产露脸久久av麻豆| 最近最新中文字幕免费大全7| av不卡在线播放| 天天影视国产精品| 肉色欧美久久久久久久蜜桃| 久久久久视频综合| 久久97久久精品| 国产在视频线精品| 黄色 视频免费看| 青春草视频在线免费观看| 久久精品人人爽人人爽视色| 久久精品久久久久久噜噜老黄| 欧美精品av麻豆av| 亚洲精品国产av成人精品| 狠狠精品人妻久久久久久综合| 日韩欧美一区视频在线观看| 狠狠婷婷综合久久久久久88av| 成人黄色视频免费在线看| 丰满乱子伦码专区| 亚洲精品国产av成人精品| 97在线人人人人妻| 亚洲精品美女久久久久99蜜臀 | 黄色配什么色好看| 欧美在线黄色| 精品国产一区二区三区四区第35| 99国产精品免费福利视频| 国产福利在线免费观看视频| 亚洲av成人精品一二三区| 精品一区在线观看国产| 99九九在线精品视频| 麻豆精品久久久久久蜜桃| 国产xxxxx性猛交| 免费大片黄手机在线观看| 男的添女的下面高潮视频| 国产激情久久老熟女| 久久午夜福利片| 国产无遮挡羞羞视频在线观看| 欧美激情 高清一区二区三区| 制服丝袜香蕉在线| 久久精品久久久久久噜噜老黄| www.熟女人妻精品国产| 一区二区三区乱码不卡18| 日韩一区二区三区影片| 在线观看免费视频网站a站| 制服丝袜香蕉在线| 日韩中字成人| 精品一区在线观看国产| 国产精品嫩草影院av在线观看| 乱人伦中国视频| 国产在线免费精品| 如日韩欧美国产精品一区二区三区| 久久久精品94久久精品| 下体分泌物呈黄色| 国产一区有黄有色的免费视频| 人人妻人人澡人人爽人人夜夜| 日本午夜av视频| 亚洲情色 制服丝袜| 日韩 亚洲 欧美在线| 国产淫语在线视频| 国产免费现黄频在线看| 香蕉国产在线看| 国产高清国产精品国产三级| 亚洲欧美中文字幕日韩二区| 天天躁狠狠躁夜夜躁狠狠躁| 男女免费视频国产| 亚洲伊人久久精品综合| 欧美 亚洲 国产 日韩一| 国产成人精品一,二区| 精品国产乱码久久久久久男人| 人人妻人人澡人人看| 少妇猛男粗大的猛烈进出视频| 纯流量卡能插随身wifi吗| 黄色配什么色好看| 国产精品秋霞免费鲁丝片| 卡戴珊不雅视频在线播放| 欧美成人午夜免费资源| 性高湖久久久久久久久免费观看| 久久久精品国产亚洲av高清涩受| 99久久综合免费| 久久精品国产亚洲av天美| 久久精品人人爽人人爽视色| 亚洲美女视频黄频| 色播在线永久视频| 韩国精品一区二区三区| 大话2 男鬼变身卡| 精品午夜福利在线看| 精品久久久精品久久久| 国产深夜福利视频在线观看| 成人亚洲精品一区在线观看| 免费观看a级毛片全部| 91久久精品国产一区二区三区| a 毛片基地| 久久精品熟女亚洲av麻豆精品| 久久免费观看电影| 又粗又硬又长又爽又黄的视频| 丝袜脚勾引网站| 国产又色又爽无遮挡免| 大香蕉久久成人网| av天堂久久9| 亚洲三区欧美一区| 久久精品国产亚洲av涩爱| 中文欧美无线码| 亚洲国产精品一区三区| 人妻系列 视频| 国产又色又爽无遮挡免| 日韩一本色道免费dvd| 欧美另类一区| 亚洲欧美日韩另类电影网站| 80岁老熟妇乱子伦牲交| 亚洲精品aⅴ在线观看| 久久久久视频综合| 人妻人人澡人人爽人人| 午夜福利视频在线观看免费| 黑丝袜美女国产一区| 日韩三级伦理在线观看| 日本爱情动作片www.在线观看| 国产精品国产三级国产专区5o| 亚洲精品美女久久av网站| 26uuu在线亚洲综合色| 亚洲国产欧美网| 精品亚洲乱码少妇综合久久| 精品国产乱码久久久久久男人| 欧美精品国产亚洲| 亚洲精品日本国产第一区| 少妇被粗大的猛进出69影院| 日产精品乱码卡一卡2卡三| 欧美日韩视频高清一区二区三区二| 成人二区视频| 国产精品一区二区在线观看99| 午夜激情久久久久久久| 麻豆精品久久久久久蜜桃| 午夜福利在线免费观看网站| 日韩大片免费观看网站| 亚洲综合精品二区| 少妇精品久久久久久久| 色网站视频免费| 亚洲av.av天堂| 日韩欧美精品免费久久| 欧美精品高潮呻吟av久久| 天天操日日干夜夜撸| 欧美精品国产亚洲| 黄色视频在线播放观看不卡| 精品人妻熟女毛片av久久网站| 看非洲黑人一级黄片| 午夜福利视频精品| 在线观看人妻少妇| 制服丝袜香蕉在线| 大片电影免费在线观看免费| 午夜激情av网站| 亚洲第一av免费看| 久久免费观看电影| 亚洲精品国产一区二区精华液| a级毛片黄视频| 人人妻人人爽人人添夜夜欢视频| 日本午夜av视频| 女的被弄到高潮叫床怎么办| 久久精品人人爽人人爽视色| 色吧在线观看| 少妇 在线观看| 久久鲁丝午夜福利片| 18禁裸乳无遮挡动漫免费视频| 曰老女人黄片| 成年人免费黄色播放视频| av片东京热男人的天堂| 国产精品一二三区在线看| 精品国产露脸久久av麻豆| 久久久久久久久免费视频了| 国产在线一区二区三区精| 免费高清在线观看视频在线观看| 我的亚洲天堂| 久久精品熟女亚洲av麻豆精品| 丝袜美腿诱惑在线| 中国三级夫妇交换| 国产片特级美女逼逼视频| 18禁国产床啪视频网站| 久久精品久久久久久噜噜老黄| 一本大道久久a久久精品| 青春草视频在线免费观看| 青草久久国产| 大片免费播放器 马上看| 免费少妇av软件| 2022亚洲国产成人精品| 国产综合精华液| 999精品在线视频| 人体艺术视频欧美日本| 亚洲国产欧美在线一区| 亚洲五月色婷婷综合| 亚洲国产日韩一区二区| 久久精品久久久久久噜噜老黄| av国产久精品久网站免费入址| 国产色婷婷99| 在线观看免费日韩欧美大片| 免费观看性生交大片5| 日本91视频免费播放| av网站免费在线观看视频| 2018国产大陆天天弄谢| 久久精品久久久久久久性| 国产精品.久久久| 国产精品人妻久久久影院| 国产成人aa在线观看| 99国产精品免费福利视频| 国产成人免费观看mmmm| a 毛片基地| 亚洲,欧美,日韩| 26uuu在线亚洲综合色| 国产 精品1| 伦理电影大哥的女人| 国产精品人妻久久久影院| 啦啦啦啦在线视频资源| 久久久久久久久久人人人人人人| 午夜久久久在线观看| 美国免费a级毛片| 免费看不卡的av| 国产成人免费观看mmmm| 亚洲精品成人av观看孕妇| 国产精品.久久久| 大片电影免费在线观看免费| 美女视频免费永久观看网站| 一级毛片黄色毛片免费观看视频| 欧美另类一区| 亚洲美女搞黄在线观看| 交换朋友夫妻互换小说| 亚洲精品av麻豆狂野| 国产无遮挡羞羞视频在线观看| 蜜桃在线观看..| 日韩中字成人| 国产精品一区二区在线不卡| 黄色 视频免费看| 免费观看在线日韩| 人人澡人人妻人| 麻豆av在线久日| 国产免费福利视频在线观看| 搡老乐熟女国产| 久久精品国产a三级三级三级| 男女下面插进去视频免费观看| 国产成人av激情在线播放| 国产日韩欧美在线精品| 黄片无遮挡物在线观看| 欧美人与性动交α欧美软件| 亚洲国产精品999| 一本色道久久久久久精品综合| 狠狠精品人妻久久久久久综合| 男女啪啪激烈高潮av片| 精品卡一卡二卡四卡免费| 18禁国产床啪视频网站| 国产成人免费观看mmmm| 亚洲精品中文字幕在线视频| 国产成人精品久久久久久| 啦啦啦在线免费观看视频4| 久久婷婷青草| 亚洲国产av新网站| av女优亚洲男人天堂| 捣出白浆h1v1| 欧美精品国产亚洲| 亚洲国产成人一精品久久久| 日韩人妻精品一区2区三区| 91精品国产国语对白视频| 1024香蕉在线观看| 亚洲成国产人片在线观看| 亚洲精品中文字幕在线视频| 边亲边吃奶的免费视频| 美女福利国产在线| 免费看不卡的av| 亚洲精品乱久久久久久| 香蕉精品网在线| 午夜日本视频在线| 亚洲av免费高清在线观看| 美女高潮到喷水免费观看| 久久人人爽av亚洲精品天堂| 两个人免费观看高清视频| √禁漫天堂资源中文www| 日韩制服丝袜自拍偷拍| 国产精品无大码| 亚洲国产色片| 成人亚洲精品一区在线观看| 人人澡人人妻人| 久久亚洲国产成人精品v| 日韩中文字幕视频在线看片| 自线自在国产av| 久久99蜜桃精品久久| 亚洲国产精品成人久久小说| 成人亚洲精品一区在线观看| 亚洲av电影在线观看一区二区三区| 高清在线视频一区二区三区| 一区二区三区精品91| 在现免费观看毛片| 国产在线免费精品| 国产精品欧美亚洲77777| 国产野战对白在线观看| 欧美人与性动交α欧美精品济南到 | 久热这里只有精品99| 国产97色在线日韩免费| 女人被躁到高潮嗷嗷叫费观| 成人毛片a级毛片在线播放| 午夜日韩欧美国产| 精品人妻熟女毛片av久久网站| 一区在线观看完整版| 三级国产精品片| 母亲3免费完整高清在线观看 | 在线亚洲精品国产二区图片欧美| 日韩av不卡免费在线播放| 天天躁日日躁夜夜躁夜夜| 女性生殖器流出的白浆| 久久青草综合色| 亚洲精品美女久久久久99蜜臀 | 九色亚洲精品在线播放| 九草在线视频观看| 黄片播放在线免费| 欧美黄色片欧美黄色片| 两个人看的免费小视频| 亚洲精品一二三| 精品一区在线观看国产| 久久精品熟女亚洲av麻豆精品| www.精华液| 欧美老熟妇乱子伦牲交| 中文字幕最新亚洲高清| 在线观看一区二区三区激情| 日本wwww免费看| 女人被躁到高潮嗷嗷叫费观| 亚洲精品日韩在线中文字幕| av不卡在线播放| 成人亚洲欧美一区二区av| 在线观看美女被高潮喷水网站| 亚洲精品一二三| 丰满乱子伦码专区| 久久国产精品男人的天堂亚洲| 日韩一卡2卡3卡4卡2021年| 如何舔出高潮| 99香蕉大伊视频| 一区二区三区激情视频| 一级片免费观看大全| 日本欧美国产在线视频| 亚洲第一区二区三区不卡| 最近手机中文字幕大全| 丝袜美腿诱惑在线| 9191精品国产免费久久| 午夜福利在线观看免费完整高清在| 婷婷色综合www| 欧美最新免费一区二区三区| 亚洲,一卡二卡三卡| 在线精品无人区一区二区三| 搡老乐熟女国产| 国产成人午夜福利电影在线观看| √禁漫天堂资源中文www| 国产淫语在线视频| 精品午夜福利在线看| 免费黄频网站在线观看国产| 精品一区二区三区四区五区乱码 | 午夜福利一区二区在线看| 菩萨蛮人人尽说江南好唐韦庄| 妹子高潮喷水视频| 国产极品天堂在线| 国产乱来视频区| 美女主播在线视频| 三上悠亚av全集在线观看| av福利片在线| 亚洲美女搞黄在线观看| 一本—道久久a久久精品蜜桃钙片| 欧美在线黄色| av一本久久久久| 91精品三级在线观看| videossex国产| 高清黄色对白视频在线免费看| 久久久久精品性色| 成人毛片60女人毛片免费| 99久久精品国产国产毛片| 国产av码专区亚洲av| 国产片特级美女逼逼视频| 久久人妻熟女aⅴ| 亚洲av免费高清在线观看| 久久精品国产亚洲av高清一级| 777久久人妻少妇嫩草av网站| 电影成人av| 9热在线视频观看99| 日韩av在线免费看完整版不卡|