• <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
    美女xxoo啪啪120秒动态图| 亚洲人成网站在线播| 22中文网久久字幕| 色综合站精品国产| 国产精品不卡视频一区二区| 国产精品精品国产色婷婷| 亚洲中文字幕日韩| 观看免费一级毛片| 久久6这里有精品| 日韩一本色道免费dvd| 成人综合一区亚洲| av视频在线观看入口| 久久久午夜欧美精品| 国产激情偷乱视频一区二区| 精品久久久久久久久久久久久| 国产极品精品免费视频能看的| 听说在线观看完整版免费高清| 亚洲乱码一区二区免费版| 亚洲欧美日韩高清专用| 99在线人妻在线中文字幕| 中文亚洲av片在线观看爽| 黄色欧美视频在线观看| 一区二区三区乱码不卡18| 美女黄网站色视频| 欧美区成人在线视频| 中文字幕人妻熟人妻熟丝袜美| 国产亚洲午夜精品一区二区久久 | 成人三级黄色视频| 国产精品99久久久久久久久| 桃色一区二区三区在线观看| 久久婷婷人人爽人人干人人爱| 嘟嘟电影网在线观看| 最近中文字幕高清免费大全6| 亚洲精品aⅴ在线观看| 亚洲成人av在线免费| 黄色一级大片看看| 亚洲图色成人| 男人和女人高潮做爰伦理| 亚洲内射少妇av| av免费观看日本| 看免费成人av毛片| 丝袜喷水一区| 免费黄色在线免费观看| 七月丁香在线播放| 最近中文字幕2019免费版| 欧美97在线视频| 麻豆av噜噜一区二区三区| 青青草视频在线视频观看| 国产成人精品久久久久久| 亚洲av中文字字幕乱码综合| 日韩大片免费观看网站 | 国产伦一二天堂av在线观看| 一级av片app| 欧美成人a在线观看| 色噜噜av男人的天堂激情| 色综合色国产| 丝袜喷水一区| 建设人人有责人人尽责人人享有的 | 特级一级黄色大片| 久久久久性生活片| 汤姆久久久久久久影院中文字幕 | 联通29元200g的流量卡| 麻豆av噜噜一区二区三区| 成人无遮挡网站| 国产亚洲最大av| 在线观看一区二区三区| 你懂的网址亚洲精品在线观看 | 国产精品,欧美在线| 亚洲精品aⅴ在线观看| 午夜久久久久精精品| 日本免费a在线| 免费大片18禁| 欧美性感艳星| 久久6这里有精品| 欧美色视频一区免费| 大香蕉97超碰在线| 久久久久九九精品影院| 插阴视频在线观看视频| 老司机影院成人| 国产精品一区www在线观看| 国产精品久久久久久精品电影小说 | 九九爱精品视频在线观看| 最近2019中文字幕mv第一页| 精品欧美国产一区二区三| 一本一本综合久久| 狂野欧美白嫩少妇大欣赏| 婷婷色av中文字幕| 免费黄网站久久成人精品| 久久久久久久久久久丰满| 美女被艹到高潮喷水动态| 午夜免费男女啪啪视频观看| 免费看光身美女| 欧美日韩综合久久久久久| 伦理电影大哥的女人| 寂寞人妻少妇视频99o| av在线蜜桃| 免费看a级黄色片| 国产精品av视频在线免费观看| 亚洲国产精品sss在线观看| 久久这里只有精品中国| 国产亚洲91精品色在线| 综合色av麻豆| 成人特级av手机在线观看| 久久久久久久午夜电影| 久久99热这里只频精品6学生 | 男人和女人高潮做爰伦理| 99在线视频只有这里精品首页| 国产片特级美女逼逼视频| 秋霞在线观看毛片| 免费看av在线观看网站| av线在线观看网站| 亚洲在线自拍视频| 赤兔流量卡办理| 欧美日韩国产亚洲二区| 三级男女做爰猛烈吃奶摸视频| 国产高清不卡午夜福利| 成人毛片a级毛片在线播放| 国产精品福利在线免费观看| 久久99热这里只有精品18| 床上黄色一级片| 乱人视频在线观看| 两个人视频免费观看高清| 2021少妇久久久久久久久久久| 男人和女人高潮做爰伦理| 91精品国产九色| 久久这里有精品视频免费| 免费人成在线观看视频色| 亚洲最大成人中文| 在线天堂最新版资源| 亚洲乱码一区二区免费版| 国产精品一及| 日韩欧美三级三区| 日韩成人av中文字幕在线观看| 嫩草影院精品99| 日韩高清综合在线| 超碰97精品在线观看| 久久久精品大字幕| av专区在线播放| 亚洲人成网站在线观看播放| www.av在线官网国产| 两个人的视频大全免费| 成年女人看的毛片在线观看| 国产精品福利在线免费观看| 久久99热这里只有精品18| 国产视频首页在线观看| av国产久精品久网站免费入址| av视频在线观看入口| 色播亚洲综合网| 99在线视频只有这里精品首页| 久久国内精品自在自线图片| 亚洲国产最新在线播放| 精品人妻熟女av久视频| 一级av片app| 亚洲在线观看片| 国产精品乱码一区二三区的特点| 伦精品一区二区三区| 亚洲电影在线观看av| 亚洲自拍偷在线| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产精品一区二区三区四区久久| 99久久精品热视频| 欧美性猛交黑人性爽| 丰满少妇做爰视频| 51国产日韩欧美| 色尼玛亚洲综合影院| 老女人水多毛片| 免费一级毛片在线播放高清视频| 国产免费又黄又爽又色| 精品酒店卫生间| 婷婷色麻豆天堂久久 | 欧美xxxx黑人xx丫x性爽| 亚洲欧美日韩高清专用| av线在线观看网站| 久久久精品大字幕| 亚洲成色77777| 日韩精品青青久久久久久| 精品久久久久久电影网 | 免费看日本二区| 欧美潮喷喷水| 美女脱内裤让男人舔精品视频| 天天躁夜夜躁狠狠久久av| 亚洲一级一片aⅴ在线观看| 亚洲婷婷狠狠爱综合网| 久久精品久久久久久久性| 夜夜爽夜夜爽视频| 精品国产露脸久久av麻豆 | 99热精品在线国产| 国产白丝娇喘喷水9色精品| 日日啪夜夜撸| 精品久久久久久久久av| 亚洲国产精品成人综合色| av女优亚洲男人天堂| 亚洲精品456在线播放app| 高清在线视频一区二区三区 | av.在线天堂| 亚洲激情五月婷婷啪啪| 七月丁香在线播放| 一级二级三级毛片免费看| 男插女下体视频免费在线播放| 国产黄色视频一区二区在线观看 | 人人妻人人澡欧美一区二区| 国产成人免费观看mmmm| 成人午夜高清在线视频| 欧美色视频一区免费| 国产乱人偷精品视频| 欧美激情国产日韩精品一区| 夫妻性生交免费视频一级片| 久久精品人妻少妇| 国产成年人精品一区二区| 一夜夜www| 好男人在线观看高清免费视频| 国产精品久久久久久精品电影小说 | 亚洲av福利一区| 搡老妇女老女人老熟妇| 国产老妇伦熟女老妇高清| 一卡2卡三卡四卡精品乱码亚洲| 大又大粗又爽又黄少妇毛片口| 大香蕉久久网| 91久久精品电影网| 久久这里只有精品中国| 国产黄色小视频在线观看| 精品欧美国产一区二区三| 久久精品国产鲁丝片午夜精品| 免费一级毛片在线播放高清视频| 国产精品.久久久| 国产精品福利在线免费观看| 久久人人爽人人爽人人片va| 国产精品久久久久久av不卡| 建设人人有责人人尽责人人享有的 | 亚洲综合色惰| 麻豆国产97在线/欧美| 少妇猛男粗大的猛烈进出视频 | 久久久亚洲精品成人影院| 国产成人免费观看mmmm| 一级毛片久久久久久久久女| 老司机影院成人| 中文在线观看免费www的网站| 欧美潮喷喷水| 国产毛片a区久久久久| 97人妻精品一区二区三区麻豆| 久久99蜜桃精品久久| 男女边吃奶边做爰视频| 性色avwww在线观看| 中文字幕免费在线视频6| 国产精品不卡视频一区二区| 国产精品1区2区在线观看.| 国产精品福利在线免费观看| 欧美精品国产亚洲| 好男人视频免费观看在线| 麻豆av噜噜一区二区三区| 国产老妇伦熟女老妇高清| 午夜精品国产一区二区电影 | 日本免费在线观看一区| 哪个播放器可以免费观看大片| a级毛片免费高清观看在线播放| 18禁裸乳无遮挡免费网站照片| 欧美成人精品欧美一级黄| 久久久久久久久久成人| 久久99精品国语久久久| 乱人视频在线观看| 精品无人区乱码1区二区| 免费一级毛片在线播放高清视频| 国产精品.久久久| 神马国产精品三级电影在线观看| 国产精品一及| 亚洲精品影视一区二区三区av| 日本黄色片子视频| 国产亚洲精品av在线| 久久久久久九九精品二区国产| 国产精品一及| 春色校园在线视频观看| 观看免费一级毛片| 九九在线视频观看精品| 免费电影在线观看免费观看| 18禁裸乳无遮挡免费网站照片| 国产v大片淫在线免费观看| 搞女人的毛片| 国产 一区精品| 久久综合国产亚洲精品| 桃色一区二区三区在线观看| 91狼人影院| 午夜福利在线在线| 舔av片在线| 成人二区视频| 国产黄片美女视频| 高清日韩中文字幕在线| 午夜福利在线观看吧| 九九爱精品视频在线观看| 色综合色国产| 日韩制服骚丝袜av| av国产久精品久网站免费入址| 成人二区视频| 亚洲av二区三区四区| 久久精品久久久久久噜噜老黄 | 天堂av国产一区二区熟女人妻| 日本免费在线观看一区| 免费av毛片视频| 插阴视频在线观看视频| 亚洲av成人精品一区久久| 日本黄色视频三级网站网址| 日韩三级伦理在线观看| 99在线视频只有这里精品首页| av在线老鸭窝| 天堂中文最新版在线下载 | 99国产精品一区二区蜜桃av| 建设人人有责人人尽责人人享有的 | 18禁在线播放成人免费| 最近的中文字幕免费完整| 亚洲国产日韩欧美精品在线观看| 久久久午夜欧美精品| 免费观看人在逋| 亚洲久久久久久中文字幕| .国产精品久久| 99久久中文字幕三级久久日本| 久久99热这里只频精品6学生 | 国产精品野战在线观看| 边亲边吃奶的免费视频| 听说在线观看完整版免费高清| 欧美xxxx性猛交bbbb| 18+在线观看网站| 精品人妻视频免费看| 国产免费视频播放在线视频 | 午夜福利成人在线免费观看| 久久久久久久久久久免费av| 国产成人91sexporn| 卡戴珊不雅视频在线播放| 乱码一卡2卡4卡精品| 天天躁夜夜躁狠狠久久av| 狂野欧美激情性xxxx在线观看| 欧美色视频一区免费| 欧美高清成人免费视频www| 国产 一区精品| 亚洲婷婷狠狠爱综合网| 最近最新中文字幕大全电影3| 国产高清不卡午夜福利| av又黄又爽大尺度在线免费看 | 欧美另类亚洲清纯唯美| 国产成人一区二区在线| 欧美bdsm另类| 中文乱码字字幕精品一区二区三区 | 免费观看性生交大片5| 亚洲精品一区蜜桃| 国产老妇女一区| 九色成人免费人妻av| 最近的中文字幕免费完整| 少妇的逼水好多| 国产精品国产三级专区第一集| 男女国产视频网站| 干丝袜人妻中文字幕| 免费无遮挡裸体视频| 亚洲国产精品专区欧美| 99在线视频只有这里精品首页| 午夜久久久久精精品| 国产精品一区二区性色av| 青春草亚洲视频在线观看| 久久久国产成人精品二区| 美女脱内裤让男人舔精品视频| 在线免费观看的www视频| 99热6这里只有精品| 色5月婷婷丁香| 七月丁香在线播放| 亚洲国产精品成人久久小说| 欧美人与善性xxx| 日韩精品有码人妻一区| 国内精品宾馆在线| 免费av观看视频| 亚洲国产精品sss在线观看| 日本一二三区视频观看| 久久久欧美国产精品| 少妇丰满av| 91在线精品国自产拍蜜月| 免费观看精品视频网站| 国产精品爽爽va在线观看网站| 一本久久精品| 国产亚洲精品av在线| 亚洲av男天堂| 少妇熟女欧美另类| 黄色配什么色好看| 国产精品一及| a级毛色黄片| 精品国产露脸久久av麻豆 | 欧美又色又爽又黄视频| 69av精品久久久久久| 国产成人a区在线观看| 国产精品福利在线免费观看| 18禁裸乳无遮挡免费网站照片| 天堂av国产一区二区熟女人妻| 亚洲欧美日韩无卡精品| 毛片女人毛片| 特级一级黄色大片| 五月玫瑰六月丁香| 亚洲av不卡在线观看| 人妻夜夜爽99麻豆av| 欧美一区二区亚洲| 国产综合懂色| 欧美日本亚洲视频在线播放| 男人的好看免费观看在线视频| 啦啦啦韩国在线观看视频| 看非洲黑人一级黄片| 国产精品久久久久久精品电影小说 | 成人亚洲精品av一区二区| 精品国产一区二区三区久久久樱花 | 国产精品99久久久久久久久| 免费播放大片免费观看视频在线观看 | 亚洲国产欧美在线一区| 又爽又黄无遮挡网站| 1000部很黄的大片| 美女xxoo啪啪120秒动态图| 日韩欧美国产在线观看| 一级黄色大片毛片| 国产高清视频在线观看网站| 午夜免费激情av| 久久国内精品自在自线图片| av国产久精品久网站免费入址| 97在线视频观看| 天美传媒精品一区二区| a级毛片免费高清观看在线播放| 最近最新中文字幕免费大全7| 青青草视频在线视频观看| 高清毛片免费看| 神马国产精品三级电影在线观看| 国产高清有码在线观看视频| 日韩视频在线欧美| 搡女人真爽免费视频火全软件| 一本一本综合久久| 白带黄色成豆腐渣| 欧美一区二区亚洲| 夜夜爽夜夜爽视频| 亚洲av成人精品一二三区| 国产美女午夜福利| 欧美区成人在线视频| 免费看美女性在线毛片视频| 又黄又爽又刺激的免费视频.| 国产爱豆传媒在线观看| 亚洲国产精品成人综合色| 欧美变态另类bdsm刘玥| 久久久久久伊人网av| 99久国产av精品| ponron亚洲| 午夜老司机福利剧场| 久久精品国产亚洲av涩爱| 国产精品日韩av在线免费观看| 欧美成人午夜免费资源| 久久99精品国语久久久| 一个人观看的视频www高清免费观看| 直男gayav资源| 男人舔奶头视频| 亚洲va在线va天堂va国产| 麻豆成人av视频| 床上黄色一级片| 欧美成人午夜免费资源| 深夜a级毛片| 国产真实乱freesex| 成年版毛片免费区| 麻豆国产97在线/欧美| 乱码一卡2卡4卡精品| 黄片wwwwww| 一级黄片播放器| 看十八女毛片水多多多| 有码 亚洲区| 热99re8久久精品国产| 免费观看在线日韩| 丝袜美腿在线中文| 国产伦理片在线播放av一区| 少妇的逼好多水| 亚洲天堂国产精品一区在线| 成人三级黄色视频| 亚洲欧美中文字幕日韩二区| 国产熟女欧美一区二区| 18禁在线无遮挡免费观看视频| 国产淫语在线视频| 欧美日韩在线观看h| 在线免费十八禁| .国产精品久久| 国产黄片视频在线免费观看| 美女被艹到高潮喷水动态| 日韩大片免费观看网站 | 男女那种视频在线观看| 少妇丰满av| 99久国产av精品| 欧美又色又爽又黄视频| 国产亚洲av嫩草精品影院| 国内精品一区二区在线观看| 成人漫画全彩无遮挡| 亚洲丝袜综合中文字幕| 丰满人妻一区二区三区视频av| 水蜜桃什么品种好| 精品不卡国产一区二区三区| 久久6这里有精品| 欧美人与善性xxx| 国产精品精品国产色婷婷| 成人美女网站在线观看视频| 亚洲av成人精品一二三区| 嘟嘟电影网在线观看| 在线观看av片永久免费下载| 午夜老司机福利剧场| 白带黄色成豆腐渣| 免费大片18禁| 国产精品野战在线观看| 欧美精品国产亚洲| 观看免费一级毛片| 婷婷六月久久综合丁香| 麻豆av噜噜一区二区三区| 中文字幕av成人在线电影| 国内精品美女久久久久久| 免费观看性生交大片5| 中国美白少妇内射xxxbb| 国产高清国产精品国产三级 | 色5月婷婷丁香| 九九热线精品视视频播放| 亚洲在线观看片| 美女国产视频在线观看| 久久久久久久国产电影| 少妇人妻一区二区三区视频| 中文字幕精品亚洲无线码一区| 国产精品一区二区三区四区免费观看| 国产精品日韩av在线免费观看| 99久久成人亚洲精品观看| 精品国产三级普通话版| 国产v大片淫在线免费观看| 亚洲精品亚洲一区二区| 国产精品久久久久久精品电影小说 | 国产成人a区在线观看| 美女黄网站色视频| 精品久久久久久成人av| 亚洲精品日韩av片在线观看| 成人鲁丝片一二三区免费| 国产亚洲5aaaaa淫片| 一本一本综合久久| 永久网站在线| 毛片女人毛片| 人妻夜夜爽99麻豆av| 亚洲最大成人手机在线| 亚洲中文字幕一区二区三区有码在线看| 99国产精品一区二区蜜桃av| 免费一级毛片在线播放高清视频| 亚州av有码| 级片在线观看| 村上凉子中文字幕在线| 欧美丝袜亚洲另类| 国产女主播在线喷水免费视频网站 | 精品一区二区免费观看| 一卡2卡三卡四卡精品乱码亚洲| 亚洲精品乱码久久久久久按摩| 久久午夜福利片| h日本视频在线播放| 一区二区三区四区激情视频| 国产伦一二天堂av在线观看| av在线天堂中文字幕| 伦精品一区二区三区| 狠狠狠狠99中文字幕| 黄色一级大片看看| 91精品伊人久久大香线蕉| 欧美最新免费一区二区三区| 天天躁日日操中文字幕| 两性午夜刺激爽爽歪歪视频在线观看| or卡值多少钱| 国产成人一区二区在线| 国产精品精品国产色婷婷| 99热精品在线国产| 国产一区二区在线av高清观看| 国产乱人偷精品视频| 国产成人91sexporn| 国产综合懂色| 国产高清视频在线观看网站| 国产淫语在线视频| 床上黄色一级片| 少妇的逼水好多| 淫秽高清视频在线观看| 久久久久免费精品人妻一区二区| 国产av不卡久久| 国产色爽女视频免费观看| 亚洲国产欧洲综合997久久,| 国产成人精品一,二区| 男女边吃奶边做爰视频| 在线播放无遮挡| 18禁在线播放成人免费| 国产精品人妻久久久久久| 深爱激情五月婷婷| 久久精品国产亚洲av涩爱| 欧美zozozo另类| 看十八女毛片水多多多| 丰满少妇做爰视频| 日本-黄色视频高清免费观看| 嫩草影院入口| 欧美区成人在线视频| 亚洲av免费高清在线观看| 一区二区三区高清视频在线| 简卡轻食公司| 日本五十路高清| 干丝袜人妻中文字幕| 在线观看一区二区三区| 日韩欧美国产在线观看| 亚洲av成人av| 欧美高清成人免费视频www| 天美传媒精品一区二区| 精品酒店卫生间| 欧美成人一区二区免费高清观看| 网址你懂的国产日韩在线| 天天躁日日操中文字幕| 日本黄色视频三级网站网址| 乱系列少妇在线播放| 国产真实伦视频高清在线观看| 免费在线观看成人毛片| 日韩人妻高清精品专区| 久久精品国产亚洲网站| 精品久久久久久久久亚洲| 国产在线一区二区三区精 | 视频中文字幕在线观看| www.av在线官网国产| 久久久久九九精品影院| 国产一级毛片七仙女欲春2| 亚洲人与动物交配视频| 亚洲成人精品中文字幕电影| 18禁动态无遮挡网站|