• <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 ?

    機器學(xué)習(xí)在網(wǎng)絡(luò)路測質(zhì)差小區(qū)分析中的應(yīng)用①

    2020-05-22 04:48:10許鴻奎姜彤彤
    計算機系統(tǒng)應(yīng)用 2020年5期
    關(guān)鍵詞:測數(shù)據(jù)分類器準(zhǔn)確率

    邵 星,許鴻奎,2,李 鑫,姜彤彤

    1(山東建筑大學(xué) 信息與電氣工程學(xué)院,濟南 250101)

    2(山東省智能建筑技術(shù)重點實驗室,濟南 250101)

    隨著通信技術(shù)的日益更新,電信產(chǎn)業(yè)獲得了迅速發(fā)展.現(xiàn)如今,我國已經(jīng)擁有世界上最大的通信網(wǎng)絡(luò)和最多的用戶數(shù)量.由于網(wǎng)絡(luò)規(guī)模的擴大和數(shù)據(jù)量的急劇增加,對于智能化網(wǎng)絡(luò)優(yōu)化的需求在逐步提高[1].為了解決規(guī)模龐大且復(fù)雜多樣的移動通信網(wǎng)絡(luò)帶來的各類問題,國內(nèi)外許多學(xué)者針對機器學(xué)習(xí)在網(wǎng)絡(luò)優(yōu)化中的應(yīng)用進行了大量研究.

    王西點等探究了人工智能在網(wǎng)絡(luò)運維中的應(yīng)用,并列舉了多種機器學(xué)習(xí)應(yīng)用的例子[2].張喆利用k 均值聚類算法對小區(qū)進行聚類成多個典型場景,之后對于不同聚類場景的小區(qū)可以實現(xiàn)自動推薦LTE 網(wǎng)絡(luò)參數(shù)配置方案[3].Kibria 等也對下一代的無線網(wǎng)絡(luò)及優(yōu)化中的大數(shù)據(jù)分析、機器學(xué)習(xí)和人工智能進行了研究和預(yù)測[4].對于網(wǎng)絡(luò)優(yōu)化中的質(zhì)差小區(qū)檢測,眾多學(xué)者展開了更為深入的研究.周鵬將質(zhì)差小區(qū)和異常小區(qū)聯(lián)系起來,使用改進的局部異常點(LOF)檢測算法,提高了檢測質(zhì)差小區(qū)的正確率[5].曾雨桐提出用層次聚類方法對小區(qū)性能進行劃分,定位到性能較差的小區(qū)后聚類分析質(zhì)差小區(qū)各項指標(biāo)之間的關(guān)聯(lián)度,從而針對性地制定優(yōu)化方案[6].王希將概率神經(jīng)網(wǎng)絡(luò)應(yīng)用于LTE 網(wǎng)絡(luò)根因定位分析中,實現(xiàn)了LTE 質(zhì)差小區(qū)的自動化分析[7].然而,這些研究鮮有基于機器學(xué)習(xí)對路測數(shù)據(jù)進行分析處理.路測是檢測階段的有效手段,能從實際網(wǎng)絡(luò)中獲得充足的數(shù)據(jù)[8].目前對于路測數(shù)據(jù)的分析主要依賴于網(wǎng)絡(luò)優(yōu)化工程師的個人經(jīng)驗進行判斷,準(zhǔn)確率不高、效率低下.

    為了解決上述問題,本文針對路測數(shù)據(jù),提出了一種基于距離的四維特征的質(zhì)差小區(qū)檢測方法.首先對路測數(shù)據(jù)進行分析處理,將距離因素引入路測分析中,設(shè)計提取了基于距離的四維特征.然后采用聚類算法和人工判斷相結(jié)合的方式對路測數(shù)據(jù)進行標(biāo)定,并通過機器學(xué)習(xí)算法對小區(qū)進行優(yōu)劣劃分.將距離因素引入路測分析中,解決了采用單一指標(biāo)判斷方式不夠準(zhǔn)確的問題,更加貼合實際,在提高網(wǎng)絡(luò)優(yōu)化效率、降低成本等方面具有重要意義.

    1 數(shù)據(jù)準(zhǔn)備

    1.1 數(shù)據(jù)選擇

    路測(Drive Test,DT),是指測試人員在汽車中,持專業(yè)的測試儀器對整段路段的無線信號情況進行測試.傳統(tǒng)的路測分析需要對網(wǎng)絡(luò)參數(shù)進行采集和數(shù)據(jù)分析,找出影響網(wǎng)絡(luò)質(zhì)量的因素,并制定優(yōu)化方案[8].主要可以獲得以下數(shù)據(jù):服務(wù)小區(qū)信號強度、小區(qū)識碼、手機所處的地理位置、呼叫管理等值.

    研究采用了某市2016年部分路測數(shù)據(jù),該數(shù)據(jù)采集自117 個小區(qū),共78 613 條數(shù)據(jù).部分原始數(shù)據(jù)如圖1所示.選擇的路測數(shù)據(jù)參數(shù)為:基站小區(qū)的經(jīng)緯度信息、信號點的經(jīng)緯度信息,信號點的參考信號接收功率(Reference Signal Receiving Power,RSRP)、信號與干擾加噪聲比(Signal to Interference plus Noise Ratio,SINR)、物理小區(qū)標(biāo)識(Physical-layer Cell Identity,PCI).RSRP 是指在一個符號內(nèi)承載參考信號的所有資源粒子上接收到的信號功率的平均值,它是LTE 網(wǎng)絡(luò)中可以代表無線信號強度的關(guān)鍵參數(shù)以及物理層測量需求之一.SINR 可以被認為“信噪比”,是指接收到的有用信號和干擾信號的強度的比值.SINR 的數(shù)值大小,可以反映出信號點的噪聲情況.PCI 是用于區(qū)分不同小區(qū)的無線信號[9].但PCI 值在整個網(wǎng)絡(luò)中并不唯一.采用PCI 值的原因是這片區(qū)域小區(qū)的PCI 值沒有重復(fù),若有重復(fù),應(yīng)更換為演進通用陸地?zé)o線接入網(wǎng)絡(luò)小區(qū)標(biāo)識(E-UTRAN Cell Identifier,ECI),保證所用數(shù)據(jù)中的小區(qū)在這片區(qū)域的唯一性.

    1.2 數(shù)據(jù)預(yù)處理

    由于路測數(shù)據(jù)中存在缺失值、亂碼等問題,會導(dǎo)致錯誤的處理結(jié)果,使得算法無效或者遠離期望.

    本文所提取的數(shù)據(jù)中存在著缺失值(如圖1所示),亂碼(如圖2所示)等問題,需要對原始數(shù)據(jù)進行預(yù)處理.經(jīng)典的處理方法有:刪除,均值替換等方法.因為含缺失值、亂碼值的對象與信息表中的數(shù)據(jù)量相比相對較小,所以采用了刪除元組法對數(shù)據(jù)進行處理,即將含有缺失值、亂碼值的記錄刪除.最終得到68 311 條數(shù)據(jù),預(yù)處理后的部分數(shù)據(jù)如圖3所示.

    1.3 特征提取

    預(yù)處理后的數(shù)據(jù)是以一個數(shù)據(jù)點的信息作為一條對象,在以小區(qū)為單位的質(zhì)差小區(qū)檢測中,不具有類別的可分性.因此,進行特征提取可以將原始特征轉(zhuǎn)換為一組具有明顯物理意義或者統(tǒng)計意義的特征,得到可分性更大的、更利于識別的特征數(shù)據(jù).根據(jù)人工網(wǎng)優(yōu)判斷的經(jīng)驗,進行統(tǒng)計特征提取.

    傳統(tǒng)質(zhì)差小區(qū)的判定主要是根據(jù)路測數(shù)據(jù)中的兩個指標(biāo):RSRP 和SINR 的采樣概率.根據(jù)規(guī)定,在覆蓋區(qū)域內(nèi),TD-LTE 無線網(wǎng)絡(luò)覆蓋率若滿足RSRP >–105 dBm的概率小于或等于95%,則說明小區(qū)覆蓋情況較差,為質(zhì)差小區(qū);若滿足SINR>–1.6 dBm 的采樣概率小于或等于95%,則說明小區(qū)干擾較多,同樣為質(zhì)差小區(qū).

    因為信號強度隨著距離的增加而逐漸衰減,所以距離小區(qū)基站較遠的區(qū)域,其信號接收功率比距離基站較近的區(qū)域的信號接收功率弱.由于相鄰小區(qū)的信號影響,使得小區(qū)邊緣的區(qū)域接收到的干擾比小區(qū)內(nèi)部的區(qū)域接收到的干擾大.所以單一的指標(biāo)不能很好的反映實際問題.在這種情況下,對于質(zhì)差小區(qū)的判斷不能只依靠覆蓋率這一指標(biāo),還應(yīng)當(dāng)考慮到信號點位置的影響.因此在本研究中,引入了信號點距離的因素,對于距離基站較遠的信號點,可以根據(jù)實際情況,將判斷的閾值設(shè)置一個合適的比近區(qū)信號點判斷閾值低的數(shù)值.

    圖1 部分原始數(shù)據(jù)圖

    圖2 亂碼數(shù)據(jù)圖

    圖3 預(yù)處理后的部分數(shù)據(jù)圖

    本文提出了基于距離因素的四維特征,分別為SINR 近區(qū)好點比例、SINR 遠區(qū)好點比例、RSRP 近區(qū)好點比例和RSRP 遠區(qū)好點比例.SINR 近區(qū)好點比例為近區(qū)SINR>3 dBm 的信號點的比例;SINR 遠區(qū)好點比例為遠區(qū)SINR>0 dBm 的信號點的比例;RSRP 近區(qū)好點比例為近區(qū)RSRP>–90 dBm 的信號點的比例;RSRP 遠區(qū)好點比例為遠區(qū)RSRP>–100 dBm 的信號點的比例.其中,將距離基站最近的信號點和最遠的信號點的距離的平均值作為閾值,大于閾值的區(qū)域為遠區(qū),小于或等于閾值的區(qū)域為近區(qū).為了分析特征的可分性,更加直觀的觀察特征,將RSRP 近區(qū)好點比例作為x軸,RSRP 遠區(qū)好點比例作為y軸,得到圖4;將SINR 近區(qū)好點比例作為x軸,SINR 遠區(qū)好點比例作為y軸,得到圖5.

    圖4 RSRP 好點比例圖

    圖5 SINR 好點比例圖

    從圖4和圖5可以看出,數(shù)據(jù)點集中在0.7–1 之間,說明117 個小區(qū)里,覆蓋率較好的小區(qū)或者干擾較弱的小區(qū)占比較高.優(yōu)良小區(qū)集中分布,呈現(xiàn)較好的集聚現(xiàn)象.由此可得,特征能將優(yōu)良小區(qū)和質(zhì)差小區(qū)區(qū)分出來,可以用分類器進行分類.

    1.4 數(shù)據(jù)標(biāo)定

    目前對于質(zhì)差小區(qū)的檢測,很大程度上依據(jù)的是網(wǎng)優(yōu)工作人員的經(jīng)驗.傳統(tǒng)的路測,需要網(wǎng)優(yōu)人員結(jié)合多個質(zhì)量指標(biāo)的統(tǒng)計數(shù)據(jù),利用路測分析軟件對小區(qū)進行判斷和評估,存在正確率不夠、效率低下等問題.

    為了提高基于路測數(shù)據(jù)對質(zhì)差小區(qū)檢測的效率,更為準(zhǔn)確的判斷小區(qū)的優(yōu)劣情況,采用聚類算法結(jié)合人工標(biāo)注的方法進行標(biāo)定.本研究采用的聚類算法為k均值聚類(k-means clustering algorithm,k-means)算法.該方法是最為常用的一種無監(jiān)督算法.首先隨機選擇k個點作為質(zhì)心,k的選值需要人為設(shè)定.再計算數(shù)據(jù)集中的每一個點離質(zhì)心的歐式距離或者余弦距離等,將其分配到距其最近的質(zhì)心所在的簇.之后每個簇的質(zhì)心更新為這個簇中所有點的平均值,直到滿足終止條件.這種算法簡單快速容易實現(xiàn),能夠體現(xiàn)數(shù)據(jù)在幾何和統(tǒng)計學(xué)上的意義[10].

    先利用k均值聚類算法,將k值設(shè)定為2,即將所有的小區(qū)劃分為兩類,簡單分析后將優(yōu)良小區(qū)標(biāo)注為1,質(zhì)差小區(qū)標(biāo)注為0.網(wǎng)優(yōu)人員結(jié)合聚類結(jié)果,在路測分析軟件上進行分析,將結(jié)果進一步細化,得到最終分類結(jié)果.如圖6所示,在PCI 為115 的小區(qū)中有近一半的信號點的RSRP 值低于閾值,因此小區(qū)覆蓋下的信號強度不理想,應(yīng)為質(zhì)差小區(qū).同時查看聚類結(jié)果,PCI 為115 的小區(qū)的標(biāo)定值為0,則聚類結(jié)果正確,小區(qū)判定為質(zhì)差小區(qū).對于判斷不一致的小區(qū),交給另一位人員進行判斷,得到最終結(jié)果,減少了誤判率,提高了工作的效率和判斷的準(zhǔn)確率.

    圖6 路測軟件分析圖

    2 分類器選擇

    2.1 選擇標(biāo)準(zhǔn)

    分類器根據(jù)學(xué)習(xí)的方式主要分為無監(jiān)督學(xué)習(xí)分類器和有監(jiān)督學(xué)習(xí)分類器.無監(jiān)督學(xué)習(xí)的分類器可以利用未標(biāo)記的數(shù)據(jù),找到其中的隱藏結(jié)構(gòu),根據(jù)樣本之間的相似性進行分類;監(jiān)督學(xué)習(xí)的分類器依據(jù)標(biāo)簽,在分類好的數(shù)據(jù)基礎(chǔ)上判斷一個新的數(shù)據(jù)所屬的類別.

    選擇分類器時,既要考慮分類器本身的特性,又要考慮各式數(shù)據(jù)集在訓(xùn)練時帶來的影響.無線網(wǎng)絡(luò)的LTE 小區(qū)的路測數(shù)據(jù)經(jīng)過數(shù)據(jù)處理、特征提取、數(shù)據(jù)標(biāo)注后,產(chǎn)生117×4 的特征矩陣和標(biāo)簽,將其輸入到分類器中,可以看出,訓(xùn)練數(shù)據(jù)為一個小樣本,維度較高的數(shù)據(jù)集,應(yīng)當(dāng)選擇屬于適用于小樣本的分類器.結(jié)合實際,實際的網(wǎng)優(yōu)工作,分類器應(yīng)該具有較好的可解釋性,可以在工作中,提供較好的指導(dǎo)性.考慮到實際的工程應(yīng)用,分類器的計算復(fù)雜度,要選擇快速且資源消耗小的算法.

    2.2 算法概述

    2.2.1 邏輯回歸算法

    邏輯回歸(logistics regression)算法是監(jiān)督學(xué)習(xí)的一種常用算法,主要解決二分類問題.假設(shè)訓(xùn)練集D={(x(1),y(1)),(x(2),y(2)),···,(x(m),y(m))},其中特征X(i)∈Rn,類的標(biāo)記y(i)∈{0,1},假設(shè)函數(shù)如下:

    其中,θ為模型參數(shù),J(θ)為損失函數(shù).邏輯回歸算法的最終目的就是最小化損失函數(shù)J(θ).這種算法運行速度快,簡單易于理解,容易更新模型,但是對數(shù)據(jù)和場景的適應(yīng)能力有一定的局限性.

    2.2.2 支持向量機算法

    支持向量機(Support Vector Machine,SVM)算法,是基于統(tǒng)計學(xué)習(xí)理論的一種監(jiān)督機器學(xué)習(xí)的方法.支持向量機可以找到一個最優(yōu)分類超平面,這個超平面能夠使其兩側(cè)的空白區(qū)域最大化,而且不失分類的精度[11].它在小樣本數(shù)據(jù)上能夠得到較好的結(jié)果,而且具有優(yōu)秀的泛化能力.但是運用在大數(shù)據(jù)集上會出現(xiàn)訓(xùn)練時間過長和準(zhǔn)確率不夠的問題.

    2.2.3 決策樹算法

    決策樹算法屬于監(jiān)督學(xué)習(xí),可以分為分類樹和回歸樹.分類樹可以基于不同的條件分割數(shù)據(jù)集.首先根據(jù)信息增益或者信息增益率來尋找最優(yōu)特征,然后根據(jù)特征中的最優(yōu)值將數(shù)據(jù)集分成兩個子數(shù)據(jù)集,之后重復(fù)以上操作,直到滿足終止條件.信息增益和信息增益率的公式為:

    其中,a是特征,v是其中的一個分類,pv是v分類占特征a總個數(shù)的比例,Dv為根據(jù)v分類進行劃分之后的數(shù)據(jù)集,Ent(Dv)是劃分后數(shù)據(jù)集的信息熵,Gain(D,a)表示根據(jù)特征a劃分之后的信息增益,Gain_ratio(D,a)表示信息增益率.這種算法速度快,準(zhǔn)確率高,可生成易理解的規(guī)則,但是對于樣本數(shù)據(jù)量不一致的數(shù)據(jù)比較敏感,容易忽略掉屬性之間的相關(guān)性.

    2.2.4k最近鄰算法

    k最近鄰(k-Nearest Neighbor,kNN)分類算法是一種廣泛應(yīng)用的監(jiān)督學(xué)習(xí)算法.k近鄰算法遇到一個未知類別的新樣本時,根據(jù)一些已知類別的樣本,可以找到k個距離最小的鄰居樣本.新樣本就屬于類別中含有這些鄰居數(shù)量最多的類.這種算法理論基礎(chǔ)成熟,準(zhǔn)確度高,但對于大數(shù)據(jù)集來說,計算量大,所需內(nèi)存多,會造成運行時間過長等問題.

    綜上所述,選擇邏輯回歸分類器、支持向量機分類器、決策樹分類器和k近鄰分類器這4 種較為簡單的算法作為質(zhì)差小區(qū)的檢測的算法,并通過結(jié)果對比分析,得到最適合的分類器.

    3 實驗與結(jié)果分析

    3.1 實驗設(shè)計

    本文提出的基于機器學(xué)習(xí)的質(zhì)差小區(qū)檢測方法的整體流程圖如圖7所示.

    圖7 整體流程圖

    整個過程主要分為3 個部分:特征提取、數(shù)據(jù)標(biāo)注和分類結(jié)果比較.其中特征提取可以為分類器提供訓(xùn)練數(shù)據(jù)基礎(chǔ);數(shù)據(jù)標(biāo)注將質(zhì)差小區(qū)的檢測問題,轉(zhuǎn)化成機器學(xué)習(xí)中分類問題;分類器結(jié)果比較是將兩維特征(即RSRP 采樣率和SINR 采樣率)與基于距離的四維特征分別輸入到每一種分類器中進行分類,將其結(jié)果進行比較;若四維特征得到較高的分類準(zhǔn)確率,則將其準(zhǔn)確率和運行時間綜合比較,最終選擇出分類效果最好的分類器.

    為了最小化模型結(jié)構(gòu)風(fēng)險,本實驗采用10 折交叉驗證對性能進行評估,將數(shù)據(jù)集平均分成10 份,輪流將其中的9 份做訓(xùn)練,1 份做驗證,并將10 次結(jié)果的均值作為對算法精度的估計,得到每種算法較為合理的準(zhǔn)確率.

    3.2 特征的比較

    為了驗證四維特征的可行性,分別使用邏輯回歸分類器、支持向量機分類器、決策樹分類器和k近鄰分類器4 種分類器對提取的四維特征和二維特征分別進行分類比較.二維特征和四維特征在不同分類器下的準(zhǔn)確率結(jié)果見表1.

    表1 二維特征和四維特征在不同分類器下的準(zhǔn)確率

    由表1可以看出,四維特征比二維特征在每一種分類器中的分類準(zhǔn)確率都高10%左右,由此可得,四維特征具有更高的分類準(zhǔn)確率,證明了四維特征的可行性,說明了基于距離的四維特征在基于機器學(xué)習(xí)的質(zhì)差小區(qū)的檢測中具有一定的實際意義.

    3.3 分類器的選擇

    選取邏輯回歸分類器、支持向量機分類器、決策樹分類器和k近鄰分類器4 種分類器,得到了四維特征在該4 種分類器中的結(jié)果如表2所示.

    表2 四維特征在不同分類器下的準(zhǔn)確率和運行時間

    由表2可以看出,在這4 種分類器,支持向量機分類器,表現(xiàn)出了更加優(yōu)異的分類性能(準(zhǔn)確率高且運行時間短).且四維特征在該分類器下得到的混淆矩陣和ROC 曲線如圖8和圖9所示.

    由圖8可得,人工標(biāo)注質(zhì)差小區(qū)為43 個,其中有38 個被正確預(yù)測為質(zhì)差小區(qū),有5 個被錯誤的預(yù)測為優(yōu)良小區(qū);人工標(biāo)注優(yōu)良小區(qū)為74 個,有71 個被成功預(yù)測為優(yōu)良小區(qū),3 個被錯誤預(yù)測為質(zhì)差小區(qū).可以看出,支持向量機分類器對于四維特征的分類效果良好,錯誤分類在可接受的范圍內(nèi).

    圖8 混淆矩陣

    圖9 ROC 曲線

    ROC 曲線的橫軸代表負正類率特異度,縱軸代表真正類率靈敏度,通過曲線可以很容易的查到任意界限值時的分類能力.AUC 為ROC 曲線下的面積,它作為數(shù)值可以直觀的評判分類器的好壞,取值在0.1 到1 之間,由圖9可以看出,支持向量機分類器的AUC為0.95,說明支持向量機分類器性能比較好.

    通過實驗可以發(fā)現(xiàn),對于常用的4 種分類器,本文提出的基于距離的四維特征相比傳統(tǒng)的兩維特征均獲得了更高的準(zhǔn)確率,說明了將距離因素引入質(zhì)差小區(qū)的檢測能得到更加準(zhǔn)確的分類結(jié)果,其中在支持向量機中得到了最好的結(jié)果.

    4 結(jié)論

    本研究將距離因素引入到傳統(tǒng)的路測數(shù)據(jù)中,得到了基于距離的四維特征.分析比較了二維特征與四維特征在邏輯回歸分類器、支持向量機分類器、決策樹分類器和k近鄰4 種分類器中的效果,并分析了四維特征在4 種分類器中的分類準(zhǔn)確率和運行時間.根據(jù)以上研究可以得出:

    (1)使用四維特征與二維特征進行機器學(xué)習(xí)的分類檢測比較,四維特征能夠獲得較好的區(qū)分結(jié)果.

    (2)對比邏輯回歸分類器、支持向量機分類器、決策樹分類器和k近鄰分類器4 種分類器,在二維特征和四維特征中,支持向量機分類器均獲得了最好的分類效果.

    所以,將距離因素引入到對路測數(shù)據(jù)進行質(zhì)差小區(qū)檢測能夠得到更好的結(jié)果,解決了單一指標(biāo)在質(zhì)差小區(qū)檢測中準(zhǔn)確度不夠的問題,在路測數(shù)據(jù)中為機器學(xué)習(xí)在質(zhì)差小區(qū)檢測中的應(yīng)用提供了理論依據(jù),具有一定的現(xiàn)實意義.

    猜你喜歡
    測數(shù)據(jù)分類器準(zhǔn)確率
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗證法
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    基于SCADA和WAMS的線路參數(shù)辨識研究
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    基于PMU/SCADA混合量測數(shù)據(jù)兼容性的船舶系統(tǒng)狀態(tài)估計研究
    電測與儀表(2016年6期)2016-04-11 12:08:20
    提高變電站基礎(chǔ)量測數(shù)據(jù)時間同步性的方法
    国产男靠女视频免费网站| 露出奶头的视频| 亚洲久久久国产精品| 亚洲av美国av| 欧美激情 高清一区二区三区| 精品人妻在线不人妻| 国产真人三级小视频在线观看| av欧美777| av欧美777| 99在线人妻在线中文字幕| 岛国视频午夜一区免费看| 变态另类丝袜制服| 国产精品自产拍在线观看55亚洲| 久久久精品欧美日韩精品| 1024视频免费在线观看| 国产激情久久老熟女| 久久久久久久久中文| 精品少妇一区二区三区视频日本电影| 国产野战对白在线观看| 丝袜美腿诱惑在线| www国产在线视频色| 99久久99久久久精品蜜桃| 久久香蕉精品热| 少妇被粗大的猛进出69影院| cao死你这个sao货| 日本在线视频免费播放| 亚洲成人免费电影在线观看| 91麻豆精品激情在线观看国产| 啪啪无遮挡十八禁网站| 成人三级做爰电影| 99国产精品99久久久久| 亚洲成人精品中文字幕电影| 欧美成人性av电影在线观看| www.精华液| 91九色精品人成在线观看| 韩国精品一区二区三区| 黑丝袜美女国产一区| www.www免费av| 中文字幕色久视频| 欧美不卡视频在线免费观看 | www日本在线高清视频| 日韩欧美国产一区二区入口| 国产亚洲精品久久久久5区| x7x7x7水蜜桃| 搞女人的毛片| 欧美黑人精品巨大| 一区二区三区精品91| 国产高清videossex| 亚洲午夜精品一区,二区,三区| 午夜免费成人在线视频| 国产精品久久久人人做人人爽| 男女床上黄色一级片免费看| 97人妻精品一区二区三区麻豆 | 脱女人内裤的视频| 国产成+人综合+亚洲专区| 不卡av一区二区三区| 国产亚洲精品综合一区在线观看 | 久久久精品欧美日韩精品| av网站免费在线观看视频| 欧美乱妇无乱码| 亚洲免费av在线视频| 日韩欧美国产在线观看| 日本三级黄在线观看| 欧美黑人欧美精品刺激| 黄色视频不卡| 最近最新中文字幕大全免费视频| 日韩高清综合在线| 国产极品粉嫩免费观看在线| 久久这里只有精品19| 91国产中文字幕| 在线观看日韩欧美| 久久久久国产一级毛片高清牌| 多毛熟女@视频| 淫妇啪啪啪对白视频| 午夜日韩欧美国产| 熟妇人妻久久中文字幕3abv| 又紧又爽又黄一区二区| 国产精品影院久久| 国产蜜桃级精品一区二区三区| 天堂动漫精品| 狠狠狠狠99中文字幕| 精品欧美国产一区二区三| 精品日产1卡2卡| 久久精品亚洲熟妇少妇任你| 精品国产美女av久久久久小说| 中国美女看黄片| 9色porny在线观看| 亚洲av成人不卡在线观看播放网| 国产亚洲精品久久久久5区| 婷婷丁香在线五月| 亚洲中文字幕日韩| 久久精品人人爽人人爽视色| 非洲黑人性xxxx精品又粗又长| 9色porny在线观看| 精品人妻1区二区| 叶爱在线成人免费视频播放| svipshipincom国产片| 久热爱精品视频在线9| 久久狼人影院| 亚洲中文av在线| 免费一级毛片在线播放高清视频 | 激情视频va一区二区三区| 男人舔女人的私密视频| 亚洲国产看品久久| www.999成人在线观看| 俄罗斯特黄特色一大片| 两性夫妻黄色片| 91麻豆av在线| 亚洲国产精品合色在线| 免费高清视频大片| 国产欧美日韩综合在线一区二区| 又黄又粗又硬又大视频| 国产xxxxx性猛交| 免费搜索国产男女视频| 成人欧美大片| 国产又爽黄色视频| 欧美乱妇无乱码| 日日摸夜夜添夜夜添小说| av中文乱码字幕在线| 制服丝袜大香蕉在线| 午夜福利成人在线免费观看| 一级黄色大片毛片| 久久人人精品亚洲av| 大型av网站在线播放| 亚洲第一电影网av| 亚洲精品在线观看二区| 国产成人精品久久二区二区91| 一卡2卡三卡四卡精品乱码亚洲| 国产免费男女视频| 精品乱码久久久久久99久播| e午夜精品久久久久久久| 天天一区二区日本电影三级 | 亚洲 欧美一区二区三区| 国产一区二区三区视频了| 国产三级黄色录像| 精品日产1卡2卡| 精品不卡国产一区二区三区| 欧美日韩中文字幕国产精品一区二区三区 | 国产亚洲av高清不卡| 国产成年人精品一区二区| 精品熟女少妇八av免费久了| 亚洲午夜精品一区,二区,三区| 91麻豆精品激情在线观看国产| 99精品久久久久人妻精品| 亚洲中文日韩欧美视频| av视频免费观看在线观看| 99riav亚洲国产免费| 黄色a级毛片大全视频| 大型黄色视频在线免费观看| 色播亚洲综合网| 我的亚洲天堂| 丁香欧美五月| 给我免费播放毛片高清在线观看| 麻豆一二三区av精品| 日韩成人在线观看一区二区三区| 视频在线观看一区二区三区| 国产精品电影一区二区三区| 亚洲国产看品久久| 国产成人一区二区三区免费视频网站| 黄色成人免费大全| 人人妻人人爽人人添夜夜欢视频| 在线观看免费午夜福利视频| 激情在线观看视频在线高清| 国产午夜精品久久久久久| 夜夜夜夜夜久久久久| 曰老女人黄片| 国产成年人精品一区二区| 性少妇av在线| 757午夜福利合集在线观看| 欧美午夜高清在线| 国产亚洲欧美98| 9热在线视频观看99| 深夜精品福利| 99久久综合精品五月天人人| 女人被躁到高潮嗷嗷叫费观| 最近最新免费中文字幕在线| 天堂影院成人在线观看| 欧美日本亚洲视频在线播放| 给我免费播放毛片高清在线观看| www日本在线高清视频| 在线免费观看的www视频| 一进一出抽搐动态| 曰老女人黄片| 变态另类丝袜制服| 午夜老司机福利片| 在线国产一区二区在线| 亚洲精品中文字幕在线视频| 色综合亚洲欧美另类图片| 久久久久久国产a免费观看| 欧美乱妇无乱码| 国产av一区在线观看免费| 欧美日韩黄片免| 他把我摸到了高潮在线观看| 日本 av在线| 免费搜索国产男女视频| 国产成人啪精品午夜网站| 国产精品亚洲av一区麻豆| 成人精品一区二区免费| 久久国产精品影院| 午夜影院日韩av| 啦啦啦 在线观看视频| 午夜老司机福利片| 岛国在线观看网站| 男女下面进入的视频免费午夜 | videosex国产| 亚洲欧美激情综合另类| 咕卡用的链子| 久久人人精品亚洲av| 国产高清有码在线观看视频 | 亚洲专区国产一区二区| 巨乳人妻的诱惑在线观看| 91av网站免费观看| 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 | 99久久99久久久精品蜜桃| 亚洲精品中文字幕在线视频| 1024香蕉在线观看| 亚洲一码二码三码区别大吗| 女人被狂操c到高潮| 久久国产亚洲av麻豆专区| 亚洲电影在线观看av| 在线永久观看黄色视频| 男女之事视频高清在线观看| 国内精品久久久久久久电影| 窝窝影院91人妻| 999久久久国产精品视频| 美女高潮到喷水免费观看| 人人妻人人澡人人看| 久久 成人 亚洲| 亚洲 国产 在线| 国产精品久久久人人做人人爽| 久久精品91无色码中文字幕| 精品久久久久久成人av| 在线十欧美十亚洲十日本专区| av中文乱码字幕在线| 免费看美女性在线毛片视频| 久久这里只有精品19| 国产1区2区3区精品| 亚洲一区二区三区色噜噜| 亚洲av成人av| 在线观看免费日韩欧美大片| 99久久99久久久精品蜜桃| 亚洲第一青青草原| 欧洲精品卡2卡3卡4卡5卡区| 亚洲自拍偷在线| 禁无遮挡网站| 一级黄色大片毛片| 亚洲aⅴ乱码一区二区在线播放 | 国产精品一区二区免费欧美| 一区福利在线观看| 最新在线观看一区二区三区| 午夜福利高清视频| 真人一进一出gif抽搐免费| 少妇熟女aⅴ在线视频| 亚洲精品美女久久久久99蜜臀| 久久久国产成人精品二区| 不卡一级毛片| 久久久久九九精品影院| 成年版毛片免费区| 久久精品国产亚洲av高清一级| 亚洲 欧美一区二区三区| 黄色女人牲交| 婷婷丁香在线五月| 在线视频色国产色| 国产成人一区二区三区免费视频网站| 12—13女人毛片做爰片一| 色精品久久人妻99蜜桃| 国产伦一二天堂av在线观看| 免费高清在线观看日韩| 精品一区二区三区av网在线观看| 在线永久观看黄色视频| 欧美中文综合在线视频| 久久人人精品亚洲av| 午夜精品久久久久久毛片777| 亚洲午夜精品一区,二区,三区| or卡值多少钱| 亚洲精品av麻豆狂野| 国产一卡二卡三卡精品| 日韩欧美在线二视频| 日本五十路高清| 成人手机av| av电影中文网址| 亚洲av成人av| 精品一区二区三区av网在线观看| 国产精品免费一区二区三区在线| 91麻豆av在线| 国产在线观看jvid| 精品无人区乱码1区二区| 999久久久精品免费观看国产| 两个人视频免费观看高清| 一级毛片高清免费大全| 久久久久久国产a免费观看| 久久午夜综合久久蜜桃| 久久精品国产清高在天天线| 多毛熟女@视频| 丁香欧美五月| 日本撒尿小便嘘嘘汇集6| 亚洲一区二区三区色噜噜| 中国美女看黄片| 久久久久国产精品人妻aⅴ院| 国产精品自产拍在线观看55亚洲| 国产成人av激情在线播放| 国产蜜桃级精品一区二区三区| 可以免费在线观看a视频的电影网站| 好男人电影高清在线观看| 在线观看免费日韩欧美大片| 日韩中文字幕欧美一区二区| 1024视频免费在线观看| 少妇 在线观看| 日本a在线网址| 国产熟女xx| 久久久久久国产a免费观看| 91老司机精品| www.999成人在线观看| 亚洲天堂国产精品一区在线| 国产一卡二卡三卡精品| 成人18禁高潮啪啪吃奶动态图| 最好的美女福利视频网| x7x7x7水蜜桃| 亚洲精品一区av在线观看| av福利片在线| 大型黄色视频在线免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 身体一侧抽搐| 后天国语完整版免费观看| 亚洲中文字幕日韩| 青草久久国产| 老汉色∧v一级毛片| 国产精华一区二区三区| 九色亚洲精品在线播放| 国产精品 国内视频| 757午夜福利合集在线观看| 91av网站免费观看| 99久久99久久久精品蜜桃| 美女高潮到喷水免费观看| 一级毛片女人18水好多| 欧美日本中文国产一区发布| 可以在线观看毛片的网站| 免费在线观看完整版高清| 级片在线观看| 91麻豆精品激情在线观看国产| 欧美中文综合在线视频| 少妇被粗大的猛进出69影院| 亚洲天堂国产精品一区在线| 免费在线观看完整版高清| 日韩欧美国产在线观看| 99热只有精品国产| 久久人人爽av亚洲精品天堂| av片东京热男人的天堂| 国产男靠女视频免费网站| x7x7x7水蜜桃| 久久久国产欧美日韩av| 久久久久久亚洲精品国产蜜桃av| 亚洲国产毛片av蜜桃av| e午夜精品久久久久久久| 午夜免费成人在线视频| 在线av久久热| 国产一区在线观看成人免费| 精品久久久久久成人av| 国产免费av片在线观看野外av| 欧美日韩亚洲国产一区二区在线观看| 97碰自拍视频| aaaaa片日本免费| 一进一出抽搐gif免费好疼| 夜夜爽天天搞| 亚洲专区国产一区二区| 大香蕉久久成人网| 欧美日韩黄片免| 国产av又大| 国产成人欧美| 可以在线观看的亚洲视频| 午夜福利高清视频| 欧美色欧美亚洲另类二区 | 免费久久久久久久精品成人欧美视频| 日韩精品免费视频一区二区三区| 色尼玛亚洲综合影院| 无遮挡黄片免费观看| 两人在一起打扑克的视频| 最好的美女福利视频网| 中出人妻视频一区二区| 在线观看一区二区三区| 伦理电影免费视频| 午夜福利,免费看| 9色porny在线观看| 国产午夜精品久久久久久| 成人欧美大片| 成在线人永久免费视频| 国产高清videossex| 欧美午夜高清在线| 人妻丰满熟妇av一区二区三区| 在线观看免费视频网站a站| 欧洲精品卡2卡3卡4卡5卡区| 国产精品,欧美在线| 久久午夜综合久久蜜桃| 亚洲熟妇熟女久久| 亚洲av成人一区二区三| 日韩欧美免费精品| 免费无遮挡裸体视频| 夜夜爽天天搞| 动漫黄色视频在线观看| 欧美成狂野欧美在线观看| 国产一级毛片七仙女欲春2 | 丝袜美足系列| 欧美日韩亚洲综合一区二区三区_| 久久国产精品人妻蜜桃| 一级a爱片免费观看的视频| 给我免费播放毛片高清在线观看| 看片在线看免费视频| 午夜福利18| 久久精品成人免费网站| 中文字幕精品免费在线观看视频| 免费av毛片视频| 成人国语在线视频| 久久久久久人人人人人| www.www免费av| 美国免费a级毛片| 99在线人妻在线中文字幕| 午夜福利成人在线免费观看| av中文乱码字幕在线| 亚洲人成电影免费在线| 亚洲欧美激情在线| 亚洲黑人精品在线| 婷婷六月久久综合丁香| 91麻豆精品激情在线观看国产| 大型av网站在线播放| 国产欧美日韩综合在线一区二区| 在线国产一区二区在线| 在线观看一区二区三区| 99香蕉大伊视频| 国产视频一区二区在线看| a级毛片在线看网站| 欧美日韩瑟瑟在线播放| 大陆偷拍与自拍| 久久人人爽av亚洲精品天堂| 涩涩av久久男人的天堂| 99riav亚洲国产免费| 老司机在亚洲福利影院| av在线播放免费不卡| 中亚洲国语对白在线视频| 国内久久婷婷六月综合欲色啪| 一区二区三区激情视频| 黄色视频不卡| 中文字幕色久视频| 黑人巨大精品欧美一区二区mp4| 老汉色av国产亚洲站长工具| 热99re8久久精品国产| 两性午夜刺激爽爽歪歪视频在线观看 | 九色亚洲精品在线播放| 天堂√8在线中文| 日本三级黄在线观看| 日韩 欧美 亚洲 中文字幕| 国产区一区二久久| 国产精品1区2区在线观看.| 免费观看人在逋| 91精品国产国语对白视频| 午夜福利一区二区在线看| 日本撒尿小便嘘嘘汇集6| 99久久久亚洲精品蜜臀av| 亚洲国产精品成人综合色| av电影中文网址| 午夜福利免费观看在线| 黄片播放在线免费| 国产精品亚洲一级av第二区| 午夜精品在线福利| av中文乱码字幕在线| 一卡2卡三卡四卡精品乱码亚洲| 国产精品,欧美在线| 黄色毛片三级朝国网站| 亚洲av第一区精品v没综合| 亚洲欧美日韩另类电影网站| 国产欧美日韩综合在线一区二区| 亚洲第一av免费看| 欧美久久黑人一区二区| 黄色女人牲交| 黄色毛片三级朝国网站| av视频在线观看入口| 一区二区三区激情视频| x7x7x7水蜜桃| 久久婷婷人人爽人人干人人爱 | 俄罗斯特黄特色一大片| 亚洲欧美日韩另类电影网站| 女警被强在线播放| av在线播放免费不卡| 精品一区二区三区av网在线观看| 国产精品av久久久久免费| 国产乱人伦免费视频| 波多野结衣一区麻豆| 村上凉子中文字幕在线| 久久午夜综合久久蜜桃| 免费高清在线观看日韩| 在线观看66精品国产| 久99久视频精品免费| 免费少妇av软件| 天堂影院成人在线观看| 成人免费观看视频高清| 免费无遮挡裸体视频| 真人一进一出gif抽搐免费| 久久中文字幕一级| 岛国在线观看网站| 久久久国产成人免费| 亚洲国产精品999在线| 亚洲天堂国产精品一区在线| or卡值多少钱| 一级黄色大片毛片| x7x7x7水蜜桃| 国产精品久久久久久精品电影 | 亚洲精品国产区一区二| 后天国语完整版免费观看| 午夜视频精品福利| 亚洲欧美激情综合另类| 国产男靠女视频免费网站| 少妇的丰满在线观看| 人人妻,人人澡人人爽秒播| 丝袜在线中文字幕| а√天堂www在线а√下载| 国产亚洲精品av在线| 久久久精品欧美日韩精品| 咕卡用的链子| 国产成人精品久久二区二区91| 麻豆成人av在线观看| 亚洲精华国产精华精| 中文亚洲av片在线观看爽| 国产熟女午夜一区二区三区| 黄色 视频免费看| 亚洲色图 男人天堂 中文字幕| 午夜视频精品福利| 久久久精品国产亚洲av高清涩受| 久久国产乱子伦精品免费另类| 中文字幕色久视频| 国产精品香港三级国产av潘金莲| 国产av一区在线观看免费| 老汉色av国产亚洲站长工具| 欧美乱码精品一区二区三区| 狠狠狠狠99中文字幕| 中文亚洲av片在线观看爽| 在线观看免费午夜福利视频| 国产野战对白在线观看| 欧洲精品卡2卡3卡4卡5卡区| 99精品欧美一区二区三区四区| 国产aⅴ精品一区二区三区波| 国产精品久久久人人做人人爽| 精品一区二区三区av网在线观看| 国产三级黄色录像| 两性午夜刺激爽爽歪歪视频在线观看 | 国产精品一区二区免费欧美| 啦啦啦 在线观看视频| 日韩欧美国产在线观看| 国产欧美日韩一区二区三区在线| 国产亚洲av嫩草精品影院| 少妇熟女aⅴ在线视频| av网站免费在线观看视频| 精品福利观看| 国产精品久久久久久人妻精品电影| 少妇 在线观看| 国产av在哪里看| 久久香蕉激情| 日韩精品青青久久久久久| 久久这里只有精品19| 日韩免费av在线播放| 亚洲免费av在线视频| 黄色女人牲交| 丁香六月欧美| 男女之事视频高清在线观看| 在线观看免费视频日本深夜| 69精品国产乱码久久久| 人人妻,人人澡人人爽秒播| 国产精品亚洲av一区麻豆| 亚洲国产毛片av蜜桃av| 国产精品九九99| 久久伊人香网站| 1024香蕉在线观看| 久久青草综合色| 精品久久久久久久毛片微露脸| 欧美乱色亚洲激情| 一个人观看的视频www高清免费观看 | 久久亚洲真实| 亚洲精品在线美女| 国产极品粉嫩免费观看在线| 国产亚洲精品第一综合不卡| 老司机福利观看| 欧美老熟妇乱子伦牲交| 亚洲 欧美一区二区三区| 黑丝袜美女国产一区| 一级毛片精品| 欧美日韩乱码在线| 在线观看66精品国产| 麻豆国产av国片精品| 99国产极品粉嫩在线观看| 99久久综合精品五月天人人| 精品国产美女av久久久久小说| 欧美一级a爱片免费观看看 | 亚洲成人免费电影在线观看| av福利片在线| 亚洲国产毛片av蜜桃av| 正在播放国产对白刺激| 长腿黑丝高跟| 一级毛片高清免费大全| 国产高清有码在线观看视频 | 色av中文字幕| 欧美日韩中文字幕国产精品一区二区三区 | 男女下面进入的视频免费午夜 | 欧美精品亚洲一区二区| 很黄的视频免费| 日韩欧美三级三区| 亚洲va日本ⅴa欧美va伊人久久| 久9热在线精品视频| 中文字幕人成人乱码亚洲影| 亚洲av片天天在线观看| 国产精华一区二区三区| 男女下面进入的视频免费午夜 | 97人妻天天添夜夜摸| 一级作爱视频免费观看| 久久天堂一区二区三区四区| 免费在线观看视频国产中文字幕亚洲| 女警被强在线播放|