• <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 ?

    非高斯環(huán)境下的深度學(xué)習(xí)脈沖信號去噪與重構(gòu)?

    2021-04-22 02:49:24李悅馬曉川王磊劉宇
    應(yīng)用聲學(xué) 2021年1期
    關(guān)鍵詞:時(shí)域高斯信噪比

    李悅 馬曉川 王磊 劉宇

    (1 中國科學(xué)院聲學(xué)研究所 北京 100190)

    (2 中國科學(xué)院水下航行器信息技術(shù)重點(diǎn)實(shí)驗(yàn)室 北京 100190)

    (3 中國科學(xué)院大學(xué) 北京 100049)

    0 引言

    近年來,為順應(yīng)現(xiàn)代海戰(zhàn)的演進(jìn)趨勢,水下對抗正朝著體系化、無人化、智能化方向發(fā)展。在有關(guān)海區(qū)及時(shí)偵測未知聲吶發(fā)射的脈沖信號,并分析其性能是水聲對抗的重要任務(wù)之一。由于聲源位置的遠(yuǎn)近未知,加上海洋環(huán)境變化多端,致使接收信噪比較低,因此需要利用適當(dāng)?shù)娜ピ敕椒▽γ}沖信號進(jìn)行增強(qiáng),以便進(jìn)行后續(xù)的信號處理與分析。

    脈沖信號持續(xù)時(shí)間較短,傳統(tǒng)的自適應(yīng)濾波去噪方法難以在脈沖持續(xù)時(shí)間內(nèi)有效收斂,并且傳統(tǒng)方法中大多基于環(huán)境噪聲為高斯分布的假設(shè),經(jīng)過研究,實(shí)際應(yīng)用中的海洋環(huán)境噪聲還常常表現(xiàn)為非高斯分布。α穩(wěn)定分布的脈沖噪聲以及非平穩(wěn)的行船噪聲是海洋環(huán)境中兩種常見的非高斯噪聲。當(dāng)假設(shè)背景噪聲為高斯噪聲時(shí),可利用水聲信號的二階或高階統(tǒng)計(jì)量進(jìn)行信號處理,由于分?jǐn)?shù)低階的α穩(wěn)定分布不存在有限的二階及以上各階統(tǒng)計(jì)量[1],此類算法在這種情況下會(huì)發(fā)生性能下降,另外非平穩(wěn)行船噪聲也會(huì)為傳統(tǒng)的基于自適應(yīng)濾波的去噪方法收斂帶來困難。

    短時(shí)傅里葉變換(Short time Fourier transformation,STFT)是一種線性時(shí)頻分析方法,其算法實(shí)現(xiàn)簡單高效,并且不會(huì)產(chǎn)生交叉項(xiàng),在工程實(shí)踐中得到了廣泛的應(yīng)用。隨著深度學(xué)習(xí)領(lǐng)域的蓬勃發(fā)展,近年來出現(xiàn)了大量利用深度學(xué)習(xí)方法進(jìn)行語音增強(qiáng)的研究,這些研究利用語音信號STFT幅值特征進(jìn)行語音信號去噪與重構(gòu)。文獻(xiàn)[2–3]利用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)學(xué)習(xí)帶噪信號STFT幅值與純凈信號STFT幅值之間的映射關(guān)系實(shí)現(xiàn)去噪,文獻(xiàn)[4–5]利用循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent neural network,RNN)建立各幀數(shù)據(jù)上下文之間的關(guān)系,利用前后序列的相關(guān)性進(jìn)行去噪,也取得了較好的結(jié)果。相較于RNN,CNN網(wǎng)絡(luò)參數(shù)更少,并且不存在RNN網(wǎng)絡(luò)的長期依賴問題,更易于訓(xùn)練。CNN語音增強(qiáng)模型利用增強(qiáng)語音幅值特征與原帶噪語音譜的相位分量來重構(gòu)信號。語音信號的去噪僅對幅值譜進(jìn)行處理,是因?yàn)橄辔粚τ谡Z音信號的可懂度影響不大[2],然而對于水聲脈沖信號其相位與幅值特征均是重要的信息。文獻(xiàn)[6]提出一種DnCNN的圖像去噪網(wǎng)絡(luò),可在未知背景噪聲級的情況下實(shí)現(xiàn)盲去噪,利用殘差學(xué)習(xí)(Residual learning,RL)和批標(biāo)準(zhǔn)化(Batch normalization,BN)提升模型性能。經(jīng)研究,深度神經(jīng)網(wǎng)絡(luò)模型相較于恒等映射更易于學(xué)習(xí)殘差映射,因此本文借鑒DnCNN,利用殘差學(xué)習(xí)的思想,學(xué)習(xí)帶噪信號STFT特征和帶噪信號與純凈信號STFT特征值殘差之間的映射關(guān)系,與之前提到的CNN語音增強(qiáng)網(wǎng)絡(luò)不同的是,本文脈沖信號去噪網(wǎng)絡(luò)的輸入包含STFT特征的實(shí)部和虛部兩個(gè)通道,并不僅是幅值特征,學(xué)習(xí)的目標(biāo)是殘差的實(shí)虛部兩通道分量。文獻(xiàn)[7]指出批標(biāo)準(zhǔn)化僅在高斯分布噪聲條件下具備良好的性能,本文訓(xùn)練集噪聲包括高斯及另外兩種非高斯噪聲,為提升模型在復(fù)雜噪聲場景中的泛化性,模型去掉批標(biāo)準(zhǔn)化層。本文模型相較于傳統(tǒng)去噪方法主要有以下優(yōu)點(diǎn):首先,深度學(xué)習(xí)可以通過訓(xùn)練使模型適用于多種類型脈沖信號及環(huán)境噪聲,再者,傳統(tǒng)方法如自適應(yīng)濾波方法對參數(shù)設(shè)置如權(quán)值初值、更新步長等較為敏感,而訓(xùn)練完畢的神經(jīng)網(wǎng)絡(luò)僅根據(jù)輸入帶噪數(shù)據(jù)進(jìn)行計(jì)算,無需人為設(shè)定參數(shù)。

    本文針對兩種常見的非高斯環(huán)境中脈沖信號的去噪問題,提出一種基于深度學(xué)習(xí)的處理手段。首先對接收帶噪信號進(jìn)行STFT,提取其實(shí)部與虛部分量,之后建立全卷積的水聲脈沖信號去噪網(wǎng)絡(luò),實(shí)現(xiàn)多種環(huán)境噪聲中的多種脈沖信號的增強(qiáng),最后通過逆變換重構(gòu)脈沖信號的時(shí)域序列。本文仿真3種常見脈沖信號:連續(xù)波(Continuous wave,CW)信號、線性調(diào)頻(Linear frequency modulation,LFM)信號、雙曲調(diào)頻(Hyperbolic frequency modulation,HFM)信號,添加高斯噪聲、α穩(wěn)定分布噪聲以及非平穩(wěn)行船噪聲,生成不同信噪比或廣義信噪比下的樣本,用以訓(xùn)練模型。通過在仿真測試集以及實(shí)測樣本上的測試,并對比傳統(tǒng)去噪方法,驗(yàn)證本文方法在脈沖信號去噪與重構(gòu)任務(wù)中的有效性。

    1 非高斯噪聲

    常見的聲吶發(fā)射脈沖信號有CW信號、LFM信號、HFM信號等。實(shí)際水聲環(huán)境中的噪聲常呈現(xiàn)非高斯分布。由于工業(yè)活動(dòng)、地震風(fēng)暴及海洋生物等因素的影響,會(huì)存在大量的脈沖干擾,這種噪聲可用α穩(wěn)定分布來描述[8]。另外行駛船舶也會(huì)產(chǎn)生一種非平穩(wěn)噪聲,本文主要研究高斯噪聲和這兩種非高斯環(huán)境噪聲中的脈沖信號增強(qiáng)。

    1.1 α穩(wěn)定分布噪聲

    α穩(wěn)定分布又稱非高斯分布、重尾分布。α穩(wěn)定分布的概率密度函數(shù)除少數(shù)特例外并不存在統(tǒng)一、封閉的解析表達(dá)式,一般使用特征函數(shù)來描述其分布特性[9]。

    若隨機(jī)變量X服從α穩(wěn)定分布,當(dāng)且僅當(dāng)其特征函數(shù)滿足

    其中,0<α≤2,?1≤β≤1,γ>0,?∞<δ<∞。

    α穩(wěn)定分布用4個(gè)基本參數(shù)來描述其主要特征。特性指數(shù)α決定概率密度函數(shù)的拖尾厚度,α越小拖尾越厚重,沖擊性越強(qiáng)。偏斜參數(shù)β是分布對稱程度的度量,當(dāng)β=0時(shí),分布對稱;β<0時(shí),分布具有右偏態(tài);β>0則表示分布具有左偏態(tài)。尺度參數(shù)γ表示分布偏離均值的離散程度,類似于高斯分布中的方差。位置參數(shù)δ類似于高斯分布中的均值,表示了分布的位置[10]。

    由于α穩(wěn)定分布噪聲不存在有限的二階統(tǒng)計(jì)矩,無法表示其方差,因此將傳統(tǒng)意義上的信噪比進(jìn)行重定義,稱為廣義信噪比(Generalized signal-tonoise ratio GSNR)[11],如式(3)所示:

    1.2 非平穩(wěn)行船噪聲

    行駛船舶的輻射噪聲是一個(gè)非平穩(wěn)的隨機(jī)過程,可以用局部平穩(wěn)過程來擬合[12],文獻(xiàn)[13]利用如下的信號模型仿真行船噪聲:

    其中,ng(t)表示高斯白噪聲,n0(t)表示環(huán)境噪聲,為體現(xiàn)艦船噪聲的非平穩(wěn)性,調(diào)制幅度a可隨機(jī)變化。

    2 脈沖信號去噪卷積神經(jīng)網(wǎng)絡(luò)模型

    針對多種復(fù)雜背景噪聲中的3種脈沖信號(CW,LFM,HFM)的去噪及重構(gòu)問題,本文提出一種基于深度學(xué)習(xí)的方法,系統(tǒng)流程圖如圖1所示。首先對傳感器接收信號x(t)進(jìn)行STFT,獲得STFT復(fù)數(shù)譜X(m,k)并輸入去噪卷積神經(jīng)網(wǎng)絡(luò)中,輸出去噪信號復(fù)數(shù)譜S(m,k),最后通過逆變換可獲得去噪信號的時(shí)域序列(t)。

    圖1 系統(tǒng)流程圖Fig.1 System f low chart

    2.1 特征提取

    傳感器接收信號x(t)為純凈脈沖信號s(t)與環(huán)境噪聲n(t)之和,即:

    已知STFT為一種線性時(shí)頻分析方法,因此對接收信號x(t)進(jìn)行時(shí)頻分析有

    其中,X(m,k)、S(m,k)、V(m,k)分別為被噪聲污染的聲吶接收信號、純凈信號以及噪聲的STFT復(fù)數(shù)譜,m和k分別為時(shí)間幀和頻率幀的序號。

    X(m,k)包含實(shí)部分量Xr(m,k)與虛部分量Xi(m,k),如式(7)所示:

    其中,j為虛數(shù)單位。

    本文建立深度去噪網(wǎng)絡(luò)完成接收信號STFT譜X到其與純凈信號STFT譜S之差V的映射,獲得估計(jì)的殘差譜,利用殘差學(xué)習(xí)能夠加速網(wǎng)絡(luò)訓(xùn)練并且取得更好的效果。去噪后信號時(shí)頻譜,如式(8)所示:

    圖2和圖3分別為信噪比或廣義信噪比為0 dB情況下脈沖信號時(shí)域序列和時(shí)頻圖。可以看出,高斯噪聲在時(shí)間域和時(shí)頻域上的分布都較為均勻,脈沖信號特征較為明顯。非平穩(wěn)行船噪聲在時(shí)間上表現(xiàn)出起伏的特征,此例中中間段信噪比較小,而兩端較大,時(shí)域圖中靠近中間段的脈沖被淹沒,而時(shí)頻域上脈沖特征仍較為明顯。α穩(wěn)定分布噪聲某些時(shí)刻出現(xiàn)能量較強(qiáng)的脈沖噪聲,在時(shí)頻圖上表現(xiàn)為平行于頻率軸的亮線,在時(shí)域和時(shí)頻域上信號特征都相對較弱,更難以檢測。

    圖2 信號時(shí)域序列Fig.2 Time-domain sequence of signals

    圖3 信號時(shí)頻圖Fig.3 Spectrogram of signals

    2.2 網(wǎng)絡(luò)模型與參數(shù)設(shè)置

    本文中脈沖信號去噪網(wǎng)絡(luò)采用全卷積的網(wǎng)絡(luò)結(jié)構(gòu),模型結(jié)構(gòu)如圖4所示,參數(shù)設(shè)置如表1所示。去噪網(wǎng)絡(luò)共15層,第1層到第14層中各層包含一個(gè)卷積層和一個(gè)ReLU非線性激活層,最后一層僅包含一個(gè)卷積層。除最后一層,各卷積層均采用64個(gè)卷積核來提取特征,最后一層的卷積核數(shù)目為2,與輸出通道數(shù)相同。網(wǎng)絡(luò)輸入特征共兩個(gè)通道,分別為接收信號STFT譜X的實(shí)部分量Xr和虛部分量Xi,網(wǎng)絡(luò)輸出特征包括殘差信號的實(shí)部分量r和虛部分量i。

    圖4 脈沖信號去噪網(wǎng)絡(luò)Fig.4 Pulse signal denoising neural network

    表1 脈沖信號去噪網(wǎng)絡(luò)參數(shù)設(shè)置Table 1 Parameter setting of pulse signal denoising neural network

    去噪網(wǎng)絡(luò)的損失函數(shù)如式(10)所示:

    其中,M、K分別表示STFT時(shí)間幀和頻點(diǎn)的總數(shù),B為批大小。

    3 仿真實(shí)驗(yàn)與分析

    此小節(jié)利用仿真數(shù)據(jù)對脈沖信號去噪模型進(jìn)行訓(xùn)練,并與傳統(tǒng)的基于最小均方誤差(Least mean square,LMS)的自適應(yīng)濾波方法進(jìn)行性能對比。

    3.1 仿真數(shù)據(jù)集

    本文的目標(biāo)是在復(fù)雜噪聲背景下對脈沖信號進(jìn)行去噪。實(shí)際接收信號中有可能存在多個(gè)甚至不同類型的脈沖信號,并且脈沖信號可能出現(xiàn)在任意時(shí)刻,處于任意頻段。因而在生成仿真數(shù)據(jù)集時(shí),一條樣本中需要仿真一到多個(gè)脈沖信號,并且脈沖信號的類型隨機(jī)產(chǎn)生。為簡化問題,將一條樣本中含有的脈沖數(shù)上限置為2,即一條樣本中至多含有兩個(gè)脈沖信號。脈沖信號的起止時(shí)間、起止頻率均隨機(jī)產(chǎn)生。仿真信號各項(xiàng)參數(shù)如表2所示。

    表2 仿真信號數(shù)據(jù)集參數(shù)設(shè)置Table 2 Parameter setting of simulation signal data set

    對仿真得到的時(shí)域樣本信號進(jìn)行STFT,設(shè)定窗長為512,窗與窗之間有50%的重疊,去除冗余保存128個(gè)頻點(diǎn),因此1 s的數(shù)據(jù)可以得到128×128×1的三維STFT復(fù)數(shù)特征。提取STFT譜的實(shí)部分量與虛部分量,并歸一化,作為網(wǎng)絡(luò)的輸入。在產(chǎn)生仿真數(shù)據(jù)時(shí),保留純凈信號的時(shí)頻域特征,將接收信號與純凈信號幅值譜殘差作為去噪網(wǎng)絡(luò)的輸出。

    仿真數(shù)據(jù)集包含5000條樣本,劃分?jǐn)?shù)據(jù)集為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集,比例為9:1。

    3.2 去噪性能分析

    圖5(a)和圖5(b)分別為測試樣本的純凈信號時(shí)域序列和時(shí)頻圖,其中包括兩條脈沖信號分別為CW信號和LFM信號。圖5(c)~圖5(h)為純凈信號經(jīng)過高斯噪聲、非平穩(wěn)船噪聲以及α穩(wěn)定分布噪聲污染后的信號時(shí)域序列和時(shí)頻圖。

    圖6展示了經(jīng)過本文模型去噪與重構(gòu)后信號的時(shí)域序列與時(shí)頻圖,可以看到,在3種噪聲條件下,本文模型均能取得較好的去噪結(jié)果。尤其是在α穩(wěn)定分布噪聲樣本中,對比圖5(g)、圖5(h)與圖6(e)、圖6(f),本文模型去除了α穩(wěn)定分布噪聲中的能量很強(qiáng)的寬帶脈沖噪聲,增強(qiáng)了目標(biāo)脈沖信號,極大地提高了信噪比。對時(shí)域圖進(jìn)行放大如圖7所示,本文模型重構(gòu)的脈沖信號與原始信號近乎重合,對信號特征保留完整。

    圖5 仿真測試樣本示例Fig.5 Examples of simulation test samples

    圖6 本文模型去噪結(jié)果Fig.6 The denoising results of the neural network model

    圖7 本文方法重構(gòu)信號時(shí)域放大圖Fig.7 Zoomed diagrams of signal sequence reconstructed by denoising neural network

    圖8為LMS濾波方法在高斯噪聲和非平穩(wěn)行船噪聲背景下,通過時(shí)域?yàn)V波獲得去噪信號的時(shí)域圖及其對應(yīng)的時(shí)頻圖。可以看到,在高斯噪聲下,LMS濾波獲得的結(jié)果尚可接受,圖8(c)、圖8(d)中,由于背景噪聲非平穩(wěn),第2個(gè)脈沖之后的背景噪聲仍然有較多殘余。去噪信號時(shí)域圖中,去噪信號與原始信號差異較大。

    圖8 LMS濾波去噪結(jié)果Fig.8 The denoising results of LMS

    圖9為LMS濾波在α穩(wěn)定分布噪聲下的去噪結(jié)果??梢钥吹絃MS濾波受到強(qiáng)噪聲影響較大,與圖5(g)、圖5(h)進(jìn)行比較,時(shí)域圖和時(shí)頻圖上出現(xiàn)的能量較強(qiáng)的信號均為強(qiáng)噪聲信號,脈沖信號完全被濾除。主要原因是,LMS濾波是基于二階統(tǒng)計(jì)量的方法,對于α穩(wěn)定分布噪聲下的信號處理失效。

    圖9 LMS濾波去噪結(jié)果Fig.9 The denoising results of LMS

    對比本文提出的深度學(xué)習(xí)去噪方法與傳統(tǒng)的LMS濾波方法,本文在3種噪聲分布中的去噪性能均優(yōu)于LMS濾波,能夠有效抑制噪聲,提升信噪比,并且能夠較為完整地重構(gòu)信號,恢復(fù)信號幅度和相位特征,在多種噪聲場景中的多種脈沖信號去噪任務(wù)中表現(xiàn)出良好的性能和泛化能力。

    4 實(shí)測數(shù)據(jù)驗(yàn)證

    截取某實(shí)驗(yàn)中接收的兩段脈沖樣本,一條為CW信號,一條為LFM信號,如圖10所示。實(shí)際實(shí)驗(yàn)中,無法獲得接收信號的純凈樣本,然而由于本次實(shí)驗(yàn)的條件較為理想,可以將接收信號近似作為純凈脈沖信號。截取美國國家公園采集的冰川灣水下聲響中的“中度風(fēng)(Moderate Winds)”樣本作為環(huán)境噪聲樣本[14],如圖11所示,可以看到此例中的風(fēng)噪聲體現(xiàn)出一定的α穩(wěn)定分布特性。在實(shí)測脈沖中添加噪聲,使信噪比為?1 dB,如圖12所示,可以看到在時(shí)域圖中脈沖信號被噪聲淹沒,待檢測的脈沖在時(shí)頻譜圖中能量也相對較弱。經(jīng)過去噪模型增強(qiáng),可得到處理后脈沖信號,如圖13所示,可以看到非高斯噪聲被有效抑制,各個(gè)脈沖信號相較處理前被顯著增強(qiáng)。對比圖13(b)與圖10(b)可以看到本文方法增強(qiáng)的信號比截取實(shí)測脈沖信號更加純凈,脈沖信號之外時(shí)段與頻段的噪聲分量都得到了有效的抑制。放大重構(gòu)信號中0.008 s數(shù)據(jù),如圖14所示,重構(gòu)后的信號近似貼合截取脈沖。實(shí)驗(yàn)結(jié)果體現(xiàn)了模型在實(shí)測數(shù)據(jù)上良好的泛化性,預(yù)示著良好的應(yīng)用前景。

    圖10 實(shí)測脈沖信號Fig.10 Actual measured pulses

    圖11 實(shí)測噪聲信號Fig.11 Actual measured noise

    圖12 實(shí)測脈沖添加實(shí)測噪聲Fig.12 Measured pulses add measured noise

    圖13 本文模型去噪結(jié)果Fig.13 The denoising results of the neural network model

    圖14 本文方法重構(gòu)信號時(shí)域放大圖Fig.14 Zoomed diagram of signal sequence reconstructed by denoising neural network

    5 結(jié)論

    本文提出一種基于深度學(xué)習(xí)的能夠在高斯和非高斯環(huán)境噪聲中增強(qiáng)與重構(gòu)水聲脈沖信號的方法。通過建立全卷積的脈沖信號去噪模型,學(xué)習(xí)接收信號STFT特征與接收信號和純凈信號STFT特征殘差之間的映射,實(shí)現(xiàn)噪聲抑制,最后通過逆變換重構(gòu)脈沖信號。仿真實(shí)驗(yàn)結(jié)果顯示,模型可在3種背景噪聲中有效實(shí)現(xiàn)脈沖信號的去噪與重構(gòu),相較傳統(tǒng)的LMS濾波方法獲得了更加優(yōu)越的性能。通過在實(shí)測數(shù)據(jù)上的測試,模型顯示了在實(shí)測數(shù)據(jù)上較好的泛化性,體現(xiàn)了一定的工程應(yīng)用前景。

    猜你喜歡
    時(shí)域高斯信噪比
    小高斯的大發(fā)現(xiàn)
    基于深度學(xué)習(xí)的無人機(jī)數(shù)據(jù)鏈信噪比估計(jì)算法
    天才數(shù)學(xué)家——高斯
    基于時(shí)域信號的三電平逆變器復(fù)合故障診斷
    低信噪比下LFMCW信號調(diào)頻參數(shù)估計(jì)
    電子測試(2018年11期)2018-06-26 05:56:02
    低信噪比下基于Hough變換的前視陣列SAR稀疏三維成像
    基于極大似然準(zhǔn)則與滾動(dòng)時(shí)域估計(jì)的自適應(yīng)UKF算法
    基于時(shí)域逆濾波的寬帶脈沖聲生成技術(shù)
    保持信噪比的相位分解反褶積方法研究
    基于時(shí)域波形特征的輸電線雷擊識別
    電測與儀表(2015年2期)2015-04-09 11:28:50
    久久精品人妻少妇| 视频区欧美日本亚洲| 岛国视频午夜一区免费看| 中文字幕高清在线视频| 国产成人欧美在线观看| 熟女少妇亚洲综合色aaa.| 久久久久久九九精品二区国产 | 亚洲成av人片在线播放无| 一个人免费在线观看电影 | 18禁裸乳无遮挡免费网站照片| 国产亚洲精品一区二区www| 在线观看免费午夜福利视频| 男女那种视频在线观看| 国产三级中文精品| 正在播放国产对白刺激| 麻豆国产av国片精品| 久久久久性生活片| 久久久久精品国产欧美久久久| 看免费av毛片| 亚洲一区二区三区不卡视频| 日韩中文字幕欧美一区二区| 久久久久久九九精品二区国产 | 国产欧美日韩一区二区三| 国产精品日韩av在线免费观看| 一二三四社区在线视频社区8| www.999成人在线观看| 老汉色av国产亚洲站长工具| 欧美日韩乱码在线| 嫁个100分男人电影在线观看| 国产成人av教育| 老司机午夜十八禁免费视频| svipshipincom国产片| 亚洲专区字幕在线| 国产爱豆传媒在线观看 | 在线观看午夜福利视频| 久久国产精品人妻蜜桃| 国内精品久久久久精免费| 亚洲 欧美一区二区三区| 欧美大码av| 又粗又爽又猛毛片免费看| 亚洲欧美精品综合久久99| 他把我摸到了高潮在线观看| 女人高潮潮喷娇喘18禁视频| 免费看a级黄色片| 亚洲av中文字字幕乱码综合| tocl精华| 非洲黑人性xxxx精品又粗又长| 久久久国产成人精品二区| 正在播放国产对白刺激| 人人妻人人看人人澡| 老司机在亚洲福利影院| 男人舔奶头视频| 亚洲熟妇熟女久久| 亚洲黑人精品在线| a级毛片a级免费在线| 中文字幕久久专区| 亚洲男人的天堂狠狠| 欧美一区二区国产精品久久精品 | 99国产极品粉嫩在线观看| 亚洲精品在线美女| 亚洲av成人不卡在线观看播放网| 一边摸一边做爽爽视频免费| 日本免费一区二区三区高清不卡| 国产精品影院久久| 老司机靠b影院| 欧美av亚洲av综合av国产av| 少妇被粗大的猛进出69影院| 久久久水蜜桃国产精品网| 免费高清视频大片| 久久久久久大精品| 最近视频中文字幕2019在线8| 国产一区二区在线观看日韩 | 欧美日韩乱码在线| av欧美777| 久久香蕉国产精品| 色精品久久人妻99蜜桃| 黄色毛片三级朝国网站| 成人永久免费在线观看视频| 麻豆成人av在线观看| 国产三级中文精品| 色综合亚洲欧美另类图片| 成在线人永久免费视频| 色精品久久人妻99蜜桃| xxxwww97欧美| 50天的宝宝边吃奶边哭怎么回事| 国产精品1区2区在线观看.| 欧美日本亚洲视频在线播放| 国产av不卡久久| 后天国语完整版免费观看| 成人18禁在线播放| 日日摸夜夜添夜夜添小说| 国产熟女xx| 老司机靠b影院| 久久久久久国产a免费观看| 欧美日韩一级在线毛片| 亚洲va日本ⅴa欧美va伊人久久| 伊人久久大香线蕉亚洲五| 一个人免费在线观看的高清视频| 欧美另类亚洲清纯唯美| 黄色 视频免费看| 欧美一区二区国产精品久久精品 | 身体一侧抽搐| 我要搜黄色片| 最新美女视频免费是黄的| 中文亚洲av片在线观看爽| 日韩欧美一区二区三区在线观看| 免费在线观看黄色视频的| 黄色毛片三级朝国网站| avwww免费| 国产成人精品久久二区二区91| 99久久精品国产亚洲精品| 中出人妻视频一区二区| 老汉色av国产亚洲站长工具| 国产av不卡久久| 欧美zozozo另类| 亚洲欧美激情综合另类| 欧美一级a爱片免费观看看 | 亚洲aⅴ乱码一区二区在线播放 | 免费看a级黄色片| 亚洲国产欧美人成| 午夜福利视频1000在线观看| 婷婷丁香在线五月| 91在线观看av| 国产爱豆传媒在线观看 | 国产精品一区二区免费欧美| 欧美日韩瑟瑟在线播放| 99国产极品粉嫩在线观看| 中文字幕人妻丝袜一区二区| 色精品久久人妻99蜜桃| 欧美成人免费av一区二区三区| 韩国av一区二区三区四区| av天堂在线播放| 露出奶头的视频| 99精品久久久久人妻精品| netflix在线观看网站| 18禁黄网站禁片免费观看直播| 人成视频在线观看免费观看| 精品第一国产精品| 色在线成人网| 中亚洲国语对白在线视频| 亚洲欧美日韩高清在线视频| 久久久久亚洲av毛片大全| 免费看美女性在线毛片视频| 亚洲五月婷婷丁香| 亚洲男人的天堂狠狠| www.999成人在线观看| 国产精品av视频在线免费观看| 国产精品爽爽va在线观看网站| 中文字幕熟女人妻在线| 久久久久久国产a免费观看| 一二三四社区在线视频社区8| 老鸭窝网址在线观看| 女人被狂操c到高潮| 成人精品一区二区免费| 亚洲一区二区三区色噜噜| 国产真人三级小视频在线观看| 国产精品自产拍在线观看55亚洲| 两性夫妻黄色片| 成熟少妇高潮喷水视频| 国内精品一区二区在线观看| 久久久久亚洲av毛片大全| 变态另类丝袜制服| 久久久久九九精品影院| 国产av一区在线观看免费| 亚洲国产高清在线一区二区三| 亚洲国产欧美人成| 成人18禁在线播放| 亚洲乱码一区二区免费版| 99国产精品一区二区蜜桃av| 亚洲中文日韩欧美视频| 黄色女人牲交| 精品熟女少妇八av免费久了| 99国产精品一区二区三区| 国产精品久久久久久精品电影| 久久久国产成人免费| 亚洲专区字幕在线| 久久香蕉国产精品| 正在播放国产对白刺激| 亚洲国产精品999在线| 男女视频在线观看网站免费 | 国产精品香港三级国产av潘金莲| av福利片在线| 又紧又爽又黄一区二区| 日韩欧美免费精品| 精品国内亚洲2022精品成人| 在线观看一区二区三区| 久久久精品国产亚洲av高清涩受| 国产精品亚洲一级av第二区| 国产精品精品国产色婷婷| 丰满人妻熟妇乱又伦精品不卡| 午夜福利高清视频| 久久久久国内视频| 人人妻人人看人人澡| 国产精品,欧美在线| 视频区欧美日本亚洲| 18禁美女被吸乳视频| 少妇人妻一区二区三区视频| 久久久久久国产a免费观看| 少妇裸体淫交视频免费看高清 | 制服诱惑二区| 国产av一区在线观看免费| 免费在线观看亚洲国产| 淫秽高清视频在线观看| 久久久久九九精品影院| 国产区一区二久久| 色综合婷婷激情| 欧美又色又爽又黄视频| 亚洲无线在线观看| 18禁黄网站禁片午夜丰满| 天堂av国产一区二区熟女人妻 | 一a级毛片在线观看| 欧美成人性av电影在线观看| 精品日产1卡2卡| 一本大道久久a久久精品| 日韩欧美精品v在线| 免费观看人在逋| 国产单亲对白刺激| 特级一级黄色大片| 美女大奶头视频| 亚洲国产精品成人综合色| 亚洲国产精品久久男人天堂| 日韩国内少妇激情av| 一区二区三区激情视频| 首页视频小说图片口味搜索| 亚洲欧美日韩高清在线视频| 两个人的视频大全免费| 19禁男女啪啪无遮挡网站| 日本一区二区免费在线视频| 国产高清videossex| 欧美高清成人免费视频www| 欧美+亚洲+日韩+国产| a级毛片a级免费在线| 日本撒尿小便嘘嘘汇集6| 亚洲午夜理论影院| 日本五十路高清| 性色av乱码一区二区三区2| 中出人妻视频一区二区| 国内精品一区二区在线观看| 男女下面进入的视频免费午夜| 夜夜爽天天搞| 亚洲欧洲精品一区二区精品久久久| 久久香蕉精品热| 日本精品一区二区三区蜜桃| 久久香蕉激情| 亚洲中文日韩欧美视频| 2021天堂中文幕一二区在线观| 亚洲狠狠婷婷综合久久图片| 久久久久性生活片| 亚洲va日本ⅴa欧美va伊人久久| 日韩 欧美 亚洲 中文字幕| 麻豆国产97在线/欧美 | 在线观看免费视频日本深夜| 国产免费av片在线观看野外av| 十八禁人妻一区二区| 久久 成人 亚洲| 久久久国产欧美日韩av| 欧美成人一区二区免费高清观看 | 中文在线观看免费www的网站 | 国产一区二区三区在线臀色熟女| 久久九九热精品免费| 久久精品影院6| 一本久久中文字幕| 久久热在线av| 悠悠久久av| 国产一区二区在线av高清观看| 免费看十八禁软件| 在线观看日韩欧美| 亚洲第一电影网av| 欧美成人午夜精品| 91麻豆精品激情在线观看国产| 91国产中文字幕| 日韩大尺度精品在线看网址| 日韩欧美国产一区二区入口| 99国产综合亚洲精品| 午夜福利成人在线免费观看| 亚洲精品一卡2卡三卡4卡5卡| 精品乱码久久久久久99久播| 在线观看免费午夜福利视频| 一本综合久久免费| avwww免费| 91国产中文字幕| 天堂av国产一区二区熟女人妻 | 亚洲片人在线观看| a级毛片在线看网站| 国产日本99.免费观看| 男男h啪啪无遮挡| 久久欧美精品欧美久久欧美| 久久久国产精品麻豆| 日本 欧美在线| 中文在线观看免费www的网站 | 哪里可以看免费的av片| 国产日本99.免费观看| 日本一二三区视频观看| 国产高清有码在线观看视频 | 老司机福利观看| 欧美 亚洲 国产 日韩一| 久久久久久人人人人人| a级毛片a级免费在线| 亚洲五月婷婷丁香| 国产av一区在线观看免费| 动漫黄色视频在线观看| 国产一区二区激情短视频| 欧美丝袜亚洲另类 | 亚洲国产看品久久| 免费av毛片视频| 香蕉丝袜av| 国产成人av教育| 一级毛片精品| 999久久久精品免费观看国产| 狂野欧美激情性xxxx| 欧美日本视频| 国内揄拍国产精品人妻在线| 黄片大片在线免费观看| 一级毛片精品| 99re在线观看精品视频| 亚洲欧美激情综合另类| 国产精品影院久久| 欧美色欧美亚洲另类二区| 午夜福利高清视频| 操出白浆在线播放| 成人国产一区最新在线观看| 日本一区二区免费在线视频| 久久精品人妻少妇| 久久香蕉激情| 18禁观看日本| 色精品久久人妻99蜜桃| 国产激情久久老熟女| 久99久视频精品免费| 观看免费一级毛片| 亚洲成人久久性| 99在线人妻在线中文字幕| 久久精品综合一区二区三区| 88av欧美| 亚洲aⅴ乱码一区二区在线播放 | netflix在线观看网站| 精品久久久久久,| 免费看美女性在线毛片视频| www.熟女人妻精品国产| 老司机靠b影院| 亚洲aⅴ乱码一区二区在线播放 | 男女做爰动态图高潮gif福利片| 午夜福利视频1000在线观看| 国产精品电影一区二区三区| 不卡一级毛片| 国产成年人精品一区二区| 国产精品久久久久久亚洲av鲁大| 黄色视频,在线免费观看| 99热这里只有精品一区 | 给我免费播放毛片高清在线观看| 欧美黄色淫秽网站| 久久天躁狠狠躁夜夜2o2o| 亚洲国产精品久久男人天堂| 成人国产综合亚洲| 国产精品日韩av在线免费观看| 我要搜黄色片| 色综合亚洲欧美另类图片| 99riav亚洲国产免费| 国产激情欧美一区二区| 日本 av在线| 在线观看免费午夜福利视频| 岛国在线观看网站| 老汉色av国产亚洲站长工具| 一卡2卡三卡四卡精品乱码亚洲| 悠悠久久av| 欧美黑人巨大hd| 久久久久久久久中文| 欧美一区二区国产精品久久精品 | 大型黄色视频在线免费观看| 久久久久性生活片| 少妇人妻一区二区三区视频| 校园春色视频在线观看| 丰满的人妻完整版| 伦理电影免费视频| 色噜噜av男人的天堂激情| 精品欧美一区二区三区在线| 一区福利在线观看| 国产高清videossex| 亚洲激情在线av| 国产精品永久免费网站| 美女黄网站色视频| 中文字幕久久专区| 视频区欧美日本亚洲| 中文字幕av在线有码专区| 国产精品九九99| 一级毛片高清免费大全| 99国产综合亚洲精品| 国产成+人综合+亚洲专区| 久久中文字幕人妻熟女| 欧美精品啪啪一区二区三区| 中亚洲国语对白在线视频| 黑人巨大精品欧美一区二区mp4| 午夜福利在线观看吧| 手机成人av网站| av在线天堂中文字幕| 久久久久国产一级毛片高清牌| 夜夜夜夜夜久久久久| 亚洲av五月六月丁香网| 久久久久久久午夜电影| 欧美成人免费av一区二区三区| 国产精品亚洲美女久久久| 国内精品久久久久精免费| 欧美成人午夜精品| 精品国产美女av久久久久小说| 亚洲精品中文字幕一二三四区| 精品一区二区三区四区五区乱码| 成人精品一区二区免费| 国产免费av片在线观看野外av| 国产日本99.免费观看| 夜夜看夜夜爽夜夜摸| 一夜夜www| 国产探花在线观看一区二区| 国产精品香港三级国产av潘金莲| 久久久精品国产亚洲av高清涩受| 亚洲自拍偷在线| 国产v大片淫在线免费观看| 色噜噜av男人的天堂激情| 国产精品永久免费网站| 日本精品一区二区三区蜜桃| 免费一级毛片在线播放高清视频| 成在线人永久免费视频| 亚洲av成人不卡在线观看播放网| ponron亚洲| www.www免费av| 搞女人的毛片| 19禁男女啪啪无遮挡网站| 丰满人妻熟妇乱又伦精品不卡| 人人妻,人人澡人人爽秒播| 欧美成人一区二区免费高清观看 | 亚洲av电影不卡..在线观看| 夜夜看夜夜爽夜夜摸| 我要搜黄色片| 一区二区三区国产精品乱码| av欧美777| 性欧美人与动物交配| 伊人久久大香线蕉亚洲五| 欧美在线一区亚洲| 亚洲国产中文字幕在线视频| 久久久国产成人精品二区| 精品国产亚洲在线| 国产一区二区激情短视频| 亚洲av电影不卡..在线观看| 妹子高潮喷水视频| 亚洲性夜色夜夜综合| 级片在线观看| 搡老岳熟女国产| av福利片在线| 久久久久久免费高清国产稀缺| 99久久无色码亚洲精品果冻| 级片在线观看| 1024视频免费在线观看| 国产成+人综合+亚洲专区| av有码第一页| 黄色毛片三级朝国网站| 国产av不卡久久| 国产精品一区二区免费欧美| 亚洲精品在线美女| av欧美777| 老司机午夜十八禁免费视频| 色哟哟哟哟哟哟| 老鸭窝网址在线观看| 夜夜躁狠狠躁天天躁| 精品久久久久久久人妻蜜臀av| 他把我摸到了高潮在线观看| 国产区一区二久久| 少妇粗大呻吟视频| 亚洲精华国产精华精| 久久精品亚洲精品国产色婷小说| 99热只有精品国产| 成人亚洲精品av一区二区| 国产在线观看jvid| 久久久久久亚洲精品国产蜜桃av| 亚洲国产高清在线一区二区三| 欧美黑人巨大hd| 国产精品乱码一区二三区的特点| a级毛片a级免费在线| 丁香六月欧美| 天堂动漫精品| 伦理电影免费视频| 久久99热这里只有精品18| 国产单亲对白刺激| 精品人妻1区二区| 亚洲成人中文字幕在线播放| 欧美成狂野欧美在线观看| 又紧又爽又黄一区二区| 日日干狠狠操夜夜爽| 欧美乱色亚洲激情| 国产精品爽爽va在线观看网站| 麻豆一二三区av精品| 亚洲男人天堂网一区| 成人18禁在线播放| 男女下面进入的视频免费午夜| 色综合欧美亚洲国产小说| 神马国产精品三级电影在线观看 | 两性午夜刺激爽爽歪歪视频在线观看 | 国产野战对白在线观看| 操出白浆在线播放| 色哟哟哟哟哟哟| 丝袜人妻中文字幕| 欧美精品亚洲一区二区| 午夜亚洲福利在线播放| 国产激情偷乱视频一区二区| 天堂√8在线中文| 50天的宝宝边吃奶边哭怎么回事| 久久天堂一区二区三区四区| 色尼玛亚洲综合影院| 国产免费av片在线观看野外av| 亚洲国产精品久久男人天堂| 亚洲熟妇中文字幕五十中出| 香蕉久久夜色| 男插女下体视频免费在线播放| 伊人久久大香线蕉亚洲五| 熟女少妇亚洲综合色aaa.| 亚洲av美国av| 国产精品亚洲美女久久久| 又大又爽又粗| 99国产极品粉嫩在线观看| 在线看三级毛片| 午夜免费成人在线视频| 操出白浆在线播放| 我的老师免费观看完整版| 国产成人影院久久av| 亚洲真实伦在线观看| 亚洲五月天丁香| 法律面前人人平等表现在哪些方面| 久久这里只有精品中国| 久久精品国产99精品国产亚洲性色| 亚洲乱码一区二区免费版| 老司机午夜福利在线观看视频| 丁香欧美五月| 精品午夜福利视频在线观看一区| 亚洲成人中文字幕在线播放| 国产精品亚洲av一区麻豆| 国产野战对白在线观看| 男人的好看免费观看在线视频 | 免费在线观看视频国产中文字幕亚洲| 一二三四社区在线视频社区8| 日本一本二区三区精品| 日韩欧美精品v在线| aaaaa片日本免费| 狂野欧美激情性xxxx| 成人国产一区最新在线观看| 午夜精品久久久久久毛片777| 国产99白浆流出| 99在线视频只有这里精品首页| 天堂av国产一区二区熟女人妻 | 国产精品久久久久久亚洲av鲁大| 国产欧美日韩一区二区精品| 国产午夜福利久久久久久| 婷婷精品国产亚洲av在线| 大型av网站在线播放| 国产免费男女视频| 欧美zozozo另类| 欧美精品啪啪一区二区三区| av视频在线观看入口| 亚洲欧美日韩东京热| 国产高清有码在线观看视频 | 9191精品国产免费久久| 黄色视频,在线免费观看| 免费在线观看视频国产中文字幕亚洲| 人成视频在线观看免费观看| 又黄又爽又免费观看的视频| 欧美在线一区亚洲| 在线a可以看的网站| 91国产中文字幕| 一进一出抽搐gif免费好疼| 国内精品久久久久久久电影| 久久人人精品亚洲av| 成年女人毛片免费观看观看9| 国产不卡一卡二| 级片在线观看| 亚洲精品美女久久久久99蜜臀| 亚洲成av人片在线播放无| 1024视频免费在线观看| 色在线成人网| 国产探花在线观看一区二区| 一级片免费观看大全| 午夜福利在线在线| 精品久久久久久久久久免费视频| а√天堂www在线а√下载| 日本免费一区二区三区高清不卡| 亚洲第一电影网av| 91av网站免费观看| 悠悠久久av| √禁漫天堂资源中文www| 极品教师在线免费播放| 国产一区二区三区视频了| 成人亚洲精品av一区二区| 九九热线精品视视频播放| 亚洲 欧美 日韩 在线 免费| 成人亚洲精品av一区二区| 欧美一区二区国产精品久久精品 | 国产私拍福利视频在线观看| xxxwww97欧美| 9191精品国产免费久久| 搡老妇女老女人老熟妇| 欧美不卡视频在线免费观看 | 高清毛片免费观看视频网站| 手机成人av网站| 一夜夜www| 欧美不卡视频在线免费观看 | 国产又黄又爽又无遮挡在线| 久久久水蜜桃国产精品网| 欧美 亚洲 国产 日韩一| 亚洲精华国产精华精| 老汉色∧v一级毛片| 久久久精品国产亚洲av高清涩受| 国产成人系列免费观看| 最新美女视频免费是黄的| 久久精品综合一区二区三区| 亚洲va日本ⅴa欧美va伊人久久| 久久精品成人免费网站| 亚洲全国av大片| 亚洲第一欧美日韩一区二区三区| 国产蜜桃级精品一区二区三区| 欧美一级a爱片免费观看看 |