• <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 ?

    一種基于K-means聚類的跳頻信號(hào)快速檢測(cè)方法*

    2022-03-03 09:02:20
    電訊技術(shù) 2022年2期
    關(guān)鍵詞:時(shí)頻信噪比聚類

    (火箭軍工程大學(xué) 導(dǎo)彈工程學(xué)院,西安 710025)

    0 引 言

    無人機(jī)產(chǎn)業(yè)的興起為社會(huì)提供了諸多便利,但是“黑飛”無人機(jī)亦帶來了一系列的安全隱患,進(jìn)一步引起了國內(nèi)外對(duì)反無人機(jī)技術(shù)的極大關(guān)注。跳頻通信因具有較強(qiáng)的抗干擾、抗截獲和易組網(wǎng)等能力[1]被廣泛應(yīng)用于無人機(jī)的信息傳輸,而跳頻信號(hào)的檢測(cè)是實(shí)現(xiàn)對(duì)無人機(jī)信號(hào)估計(jì)與干擾反制的重要前提。

    目前,針對(duì)跳頻信號(hào)的提取檢測(cè)方法眾多,可分為非盲檢測(cè)算法和盲檢測(cè)算法兩類。非盲檢測(cè)算法是指預(yù)先知道跳頻信號(hào)部分參數(shù),通過已知參數(shù)反映出跳頻信號(hào)的某些特征,從而實(shí)現(xiàn)對(duì)跳頻信號(hào)的檢測(cè)的一類算法。文獻(xiàn)[2]采用單跳自相關(guān)技術(shù)進(jìn)行預(yù)檢測(cè)處理,在跳速預(yù)知時(shí),算法具有優(yōu)越的抗噪性能。文獻(xiàn)[3]提出基于多跳自相關(guān)的跳頻信號(hào)檢測(cè)方法,在已知跳頻信號(hào)周期的前提下計(jì)算出跳頻信號(hào)的自相關(guān)函數(shù),通過判別自相關(guān)函數(shù)在不同時(shí)延情況下的值來實(shí)現(xiàn)跳頻信號(hào)的檢測(cè)。該算法計(jì)算量小,易于工程實(shí)現(xiàn)。文獻(xiàn)[4-6]提出基于輻射計(jì)的信道化檢測(cè)方法,跳頻信道數(shù)已知時(shí)利用檢測(cè)模型對(duì)各信道并行分析處理,根據(jù)各信道的檢測(cè)結(jié)果判斷跳頻信號(hào)的有無,檢測(cè)性能良好,但計(jì)算復(fù)雜。文獻(xiàn)[7-8]提出的對(duì)跳頻信號(hào)進(jìn)行分層處理的檢測(cè)模型,使得利用信道化檢測(cè)時(shí)接收信道中的無效信道數(shù)量減少,降低了模型計(jì)算復(fù)雜度。文獻(xiàn)[9]將接收信號(hào)進(jìn)行主成分分析,降低數(shù)據(jù)維數(shù),再進(jìn)行數(shù)字信道化處理,通過短時(shí)能量對(duì)消實(shí)現(xiàn)跳頻信號(hào)檢測(cè),降低了計(jì)算復(fù)雜度。以上方法均屬于非盲檢測(cè),但實(shí)際戰(zhàn)場環(huán)境中難以獲取先驗(yàn)信息,同時(shí)也無法實(shí)現(xiàn)跳頻信號(hào)的非盲檢測(cè)。

    盲檢測(cè)類算法是指在不需跳頻信號(hào)任何參數(shù)為先驗(yàn)信息的情況下對(duì)其進(jìn)行檢測(cè)的一類算法。在盲檢測(cè)算法中,時(shí)頻分析可以清晰地反映跳頻信號(hào)的時(shí)頻特性,因而被廣泛應(yīng)用。文獻(xiàn)[1]利用短時(shí)傅里葉變換和 Wigner-Ville分布組合時(shí)頻變換獲取時(shí)頻矩陣,去除背景噪聲后進(jìn)行二值化處理,利用連通域標(biāo)記算法對(duì)同一信號(hào)像素點(diǎn)進(jìn)行標(biāo)記并提取信息,通過聚類算法實(shí)現(xiàn)信號(hào)的識(shí)別檢測(cè)。文獻(xiàn)[10]提出了一種基于局部自適應(yīng)閾值的跳頻信號(hào)檢測(cè)方法,可以有效地對(duì)時(shí)頻矩陣進(jìn)行噪聲處理,但抗噪性能較差,無法實(shí)現(xiàn)低信噪比條件下的跳頻信號(hào)檢測(cè)。文獻(xiàn)[11-12]將時(shí)頻圖看作二維圖像,根據(jù)圖像邊緣提取檢測(cè)算子,有效去除噪聲,但計(jì)算復(fù)雜度高,難以實(shí)時(shí)處理。文獻(xiàn)[13]對(duì)跳頻信號(hào)進(jìn)行稀疏重構(gòu),利用形態(tài)學(xué)濾波去除噪聲,算法抗噪性好但復(fù)雜度高,難以工程實(shí)現(xiàn)。文獻(xiàn)[14]提出了一種基于滑動(dòng)相關(guān)與小波變換結(jié)合的跳頻信號(hào)檢測(cè)方法,可較好地克服信道衰落和傳播損耗的影響,適用于復(fù)雜電磁環(huán)境,但是檢測(cè)效果受限于小波基的選取。以上算法均面臨著計(jì)算復(fù)雜度高或者抗噪性差的問題,難以應(yīng)用于復(fù)雜的戰(zhàn)場環(huán)境。

    針對(duì)低信噪比環(huán)境下跳頻信號(hào)快速檢測(cè)的需求,本文根據(jù)時(shí)頻矩陣中隨機(jī)噪聲幅值在一定信噪比條件下通常弱于跳頻信號(hào)且噪聲點(diǎn)區(qū)域數(shù)據(jù)總是大于信號(hào)區(qū)域數(shù)據(jù)點(diǎn)數(shù)[1,12,15]的特點(diǎn),提出了一種基于時(shí)頻矩陣每一頻率分量最大值進(jìn)行K-means聚類的閾值方法,極大地減少了閾值選取以及數(shù)據(jù)截?cái)嗟挠?jì)算復(fù)雜度,并且實(shí)現(xiàn)了低信噪比條件下的跳頻信號(hào)檢測(cè)。

    1 信號(hào)預(yù)處理

    1.1 信號(hào)模型

    跳頻信號(hào)的數(shù)學(xué)表達(dá)式為

    (1)

    式中:k≥1,k為整數(shù);Th為跳頻周期;A為信號(hào)幅度;θ為初始相位;fk為第k個(gè)時(shí)隙的跳頻頻率;rectTh表示矩形窗,且滿足

    (2)

    由于跳頻頻帶較寬,故接收機(jī)接收的信號(hào)中往往摻雜著高斯白噪聲,因此實(shí)際環(huán)境中跳頻信號(hào)的接收模型表達(dá)式為

    x(t)=s(t)+n(t)=

    (3)

    式中:n(t)是加性高斯白噪聲。

    1.2 時(shí)頻變換

    目前時(shí)頻變換方法主要有短時(shí)傅里葉變換[16](Short Time Fourier Transform,STFT)、Wigner-Ville分布[17](Wigner-Ville Distribution,WVD)、偽Wigner-Ville分布[18](Peudo Wigner-Ville Distribution,PWVD)和平滑偽Wigner-Ville分布[19](Smooth PWVD,SPWVD) 。STFT 計(jì)算復(fù)雜度低,且無交叉項(xiàng)影響;WVD 交叉項(xiàng)嚴(yán)重;PWVD 和 SPWVD 通過增加窗函數(shù),對(duì)交叉項(xiàng)有一定的抑制作用,但計(jì)算復(fù)雜,難以工程實(shí)現(xiàn)?;诠こ虒?shí)際的需求,本文選取STFT作為時(shí)頻分析工具。

    (4)

    式中:ω(t,τ)表示窗函數(shù),τ表示時(shí)延量。STFT(t,f)表示信號(hào)x(t)時(shí)間和頻率的二維分布。

    信號(hào)經(jīng)過短時(shí)傅里葉變換,假設(shè)產(chǎn)生一個(gè)M×N維矩陣以及對(duì)應(yīng)的時(shí)頻圖,如圖1所示。

    (a)時(shí)頻矩陣部分示意圖

    在時(shí)頻矩陣和二維時(shí)頻圖中,橫向表示時(shí)間,縱向表示歸一化頻率。時(shí)頻矩陣的每一行元素表示信號(hào)在時(shí)間窗內(nèi)經(jīng)過傅里葉變換產(chǎn)生的對(duì)應(yīng)頻率分量的幅值。圖1(a)中紅色、黃色分別表示信號(hào)以及信號(hào)的能量泄露,綠色部分表示噪聲。由圖1(a)可以看出,在一定信噪比條件下,時(shí)頻矩陣中噪聲的數(shù)量遠(yuǎn)遠(yuǎn)大于信號(hào),分布廣泛且幅值較小?;诖?,本文通過K-means算法實(shí)現(xiàn)對(duì)噪聲與信號(hào)的聚類區(qū)分,并設(shè)置閾值濾除噪聲及信號(hào)泄露分量,進(jìn)而基于駐留時(shí)間實(shí)現(xiàn)對(duì)跳頻信號(hào)的檢測(cè)。

    2 基于K-means聚類的跳頻信號(hào)檢測(cè)

    2.1 K-means聚類原理

    聚類分割是把給定的樣本集合按照某種準(zhǔn)則分割成若干個(gè)不相交的子集,每個(gè)子集中的樣本之間相似性較大,不同子集樣本之間的相似性較小。K-means聚類由于其實(shí)現(xiàn)簡單、聚類效果較好而被廣泛應(yīng)用。

    K-means聚類算法采用距離作為相似性的評(píng)價(jià)指標(biāo),即認(rèn)為兩個(gè)對(duì)象的距離越近相似度越大,距離越遠(yuǎn)相似度越小。對(duì)于給定的樣本集,按照樣本之間的距離大小,將樣本集劃分為k個(gè)集合。讓集合內(nèi)的點(diǎn)盡量緊密地連在一起,而讓集合間的距離盡量地大,集合內(nèi)的相似性越大,集合間的差別越大,則聚類效果越好。

    假設(shè)將樣本集劃分為k個(gè)集合(C1,C2,C3,…Ck),則K-means的誤差平方和準(zhǔn)則函數(shù)表達(dá)式為

    (5)

    式中:ui是集合Ci的均值向量,有時(shí)也稱為質(zhì)心,其表達(dá)式為

    (6)

    式中:Ni是第i集合Ci的樣本數(shù)目。在K-means聚類過程中,E度量了所有樣本子集的總誤差平方和。對(duì)于樣本集的不同分類,導(dǎo)致不同Ci中的不同的樣本子集以及對(duì)應(yīng)的均值ui,從而會(huì)得到不同的E值,而當(dāng)E最小時(shí)聚類效果最佳。

    2.2 基于K-means聚類的閾值選取與數(shù)據(jù)截?cái)?/h3>

    假設(shè)時(shí)頻矩陣閾值為T,將矩陣中大于閾值的元素保留,小于閾值的置0,則有

    (7)

    式中:i和j分別表示時(shí)頻矩陣的第i行和第j列,且1≤i≤M,1≤j≤N。

    由時(shí)頻矩陣可以看出,跳頻信號(hào)具有時(shí)頻聚集性,并且幅值遠(yuǎn)遠(yuǎn)高于噪聲。因此,可以認(rèn)為當(dāng)時(shí)頻矩陣中縱軸的歸一化頻率有信號(hào)時(shí),其最大值為信號(hào)幅值;而沒有信號(hào)時(shí),因?yàn)榫鶠樵肼?,則所有元素均遠(yuǎn)小于信號(hào)幅值?;诖耍x取時(shí)頻矩陣中每一行的最大值,組成一個(gè)新的向量數(shù)組作為K-means聚類的向量集,極大地減少了聚類所產(chǎn)生的迭代次數(shù)。

    Kmeans={STFT(1,max),STFT(2,max),…,STFT(M,max)}。

    (8)

    式中:Kmeans表示用于K-means聚類的含有M個(gè)元素的向量集,STFT(i,max)表示時(shí)頻矩陣中第i行的最大值。

    對(duì)向量集樣本進(jìn)行聚類,步驟如下:

    Step1 把Kmeans中的M個(gè)樣本數(shù)據(jù)分成k個(gè)聚類的初始劃分,計(jì)算每個(gè)聚類的均值u1,u2,…uk和E。在本文中需要實(shí)現(xiàn)信號(hào)的檢測(cè),故取k=2,即將樣本STFT(i,max)聚為噪聲和信號(hào)兩類。

    Step2 從數(shù)據(jù)集中隨機(jī)選擇k個(gè)數(shù)據(jù)點(diǎn)作為質(zhì)心。

    Step3 對(duì)數(shù)據(jù)集中每一個(gè)點(diǎn),計(jì)算其與每一個(gè)質(zhì)心的距離,并劃分到距離最近的質(zhì)心所屬集合。

    Step4 把所有數(shù)據(jù)歸為k個(gè)集合,重新計(jì)算每個(gè)集合的質(zhì)心以及ui的值,并修改E。

    Step5 若連續(xù)迭代多次E不變則停止,否則轉(zhuǎn)到Step 3。

    樣本STFT(i,max)聚類前后如圖2所示。

    (a)樣本數(shù)據(jù)聚類前

    由圖2(a)可以看出,樣本數(shù)據(jù)在聚類前就有明顯的分類跡象,下方密集數(shù)據(jù)表示的是噪聲,上方零星分布的是跳頻信號(hào),通過聚類進(jìn)行準(zhǔn)確判別,可以認(rèn)為圖2(b)中的藍(lán)色部分為噪聲部分,紅色為跳頻信號(hào)。將聚類后的兩類數(shù)據(jù)分別存放于矩陣Noise和矩陣Sig中,因?yàn)閷oise矩陣中的所有元素默認(rèn)為噪聲,并且所有元素均為每一行的最大值,故取Noise矩陣中最大值Noise(max)作為閾值,時(shí)頻矩陣中所有小于等于Noise(max)的值均判別為噪聲,并置0,則式(7)可重新表示為

    (9)

    由于STFT(i,max)表示每一行中的最大值,當(dāng)最大值小于閾值時(shí),其所在行的每一個(gè)元素均小于閾值,表示該行沒有跳頻信號(hào),全部置0;當(dāng)最大值大于閾值時(shí),對(duì)該行的每一個(gè)元素同閾值進(jìn)行比較,小于閾值的依然判定為噪聲并置0,大于閾值的元素保留,則式(9)可以進(jìn)一步改寫為

    (10)

    通過時(shí)頻矩陣以及二維時(shí)頻圖可以發(fā)現(xiàn),跳頻信號(hào)對(duì)應(yīng)的頻率分量在縱軸頻率域占比很小。因此,基于式(10)可以對(duì)時(shí)頻矩陣中所有元素快速地判別截?cái)?,再次大幅度減少了計(jì)算量,提高了檢測(cè)效率。

    截?cái)嗵幚頃?huì)使跳頻信號(hào)的部分邊緣丟失,但是由圖1(b)不難發(fā)現(xiàn),在一定的信噪比條件下,跳頻信號(hào)依然保留絕大部分的有用信息,即存在一定的駐留時(shí)間,在時(shí)頻矩陣中就表現(xiàn)為時(shí)間維度上一段幅值不為0的連續(xù)序列,因此可以根據(jù)時(shí)域上的連續(xù)性來區(qū)別信號(hào)和噪聲。當(dāng)非0序列有一定長度并且在頻域上依次變化時(shí),則認(rèn)為接收的信號(hào)中可能包含有跳頻信號(hào),從而實(shí)現(xiàn)對(duì)跳頻信號(hào)的檢測(cè)。

    2.3 算法流程

    通過上述的理論分析,初步認(rèn)為本文所提算法在低信噪比條件下實(shí)現(xiàn)跳頻信號(hào)的快速檢測(cè)是可行的。算法流程如下:

    Step1 采集一段足夠長時(shí)間的數(shù)據(jù),計(jì)算短時(shí)傅里葉變換,得到時(shí)頻矩陣。

    Step2 取時(shí)頻矩陣每一行的最大值組成樣本集Kmeans。

    Step3 通過K-means聚類算法將樣本集中的元素劃分為噪聲和信號(hào)兩類,并將各自樣本數(shù)據(jù)分別存放在矩陣Noise和Sig中。

    Step4 選取矩陣Noise中元素最大值作為閾值。

    Step5 根據(jù)式(10),對(duì)時(shí)頻矩陣進(jìn)行截?cái)嗵幚恚瑸V除噪聲,得到新的時(shí)頻矩陣。

    Step6 根據(jù)跳頻信號(hào)在駐留時(shí)間內(nèi)的連續(xù)性,對(duì)新的時(shí)頻矩陣進(jìn)行檢測(cè)。若非0序列均有一定的長度且在頻率上依次出現(xiàn),則認(rèn)為存在跳頻信號(hào)。

    跳頻信號(hào)檢測(cè)算法流程如圖3所示。

    圖3 跳頻信號(hào)檢測(cè)算法流程圖

    3 仿真實(shí)驗(yàn)與分析

    3.1 本文算法在低信噪比條件下的檢測(cè)概率

    根據(jù)式(2)產(chǎn)生一段跳頻信號(hào),包含8個(gè)跳頻周期,跳頻頻率集為{2.5,10,12.5,7.5,17.5,15,20,5}kHz,跳頻周期為5 ms。短時(shí)傅里葉變換采用長度為512的Hamming窗,采樣頻率設(shè)為10 MHz,對(duì)比分析本文算法和文獻(xiàn)[1]、文獻(xiàn)[10]算法在不同信噪比的檢測(cè)性能,信噪比范圍設(shè)置為-20~5 dB,間隔1 dB,并且進(jìn)行100次蒙特卡洛仿真,繪制檢測(cè)概率曲線,如圖4所示。

    圖4 不同信噪比條件下三種算法的檢測(cè)概率

    由圖4可知,三種算法的檢測(cè)概率均隨著信噪比的增加而增大,文獻(xiàn)[1]、文獻(xiàn)[10]以及本文算法實(shí)現(xiàn)90%以上檢測(cè)概率的信噪比分別為0 dB、0 dB、-8 dB,本文算法可以實(shí)現(xiàn)低信噪比環(huán)境下的高檢測(cè)概率。

    在信噪比為-12 dB時(shí),本文算法的檢測(cè)概率已達(dá)到60%;針對(duì)信噪比小于-12 dB時(shí)本文算法檢測(cè)概率偏低的問題進(jìn)行多次驗(yàn)證分析,發(fā)現(xiàn)當(dāng)信噪比低于-12 dB時(shí),時(shí)頻矩陣中噪聲與信號(hào)的幅值差值較小,在利用K-means聚類時(shí)將部分信號(hào)判定為噪聲,進(jìn)而被截?cái)嗵幚?,使得時(shí)頻圖上跳頻信號(hào)部分缺失,影響了檢測(cè)概率;當(dāng)信噪比低于-16 dB時(shí),信號(hào)已經(jīng)完全被噪聲淹沒,本文算法將不再適用。

    3.2 本文算法的計(jì)算復(fù)雜度

    取信噪比5 dB,其他仿真條件與3.1節(jié)相同,對(duì)本文算法和文獻(xiàn)[1]、文獻(xiàn)[10]算法在時(shí)頻分析、閾值選取以及截?cái)嗵幚磉^程中需要處理的數(shù)據(jù)數(shù)目進(jìn)行分析,并且進(jìn)行100次蒙特卡洛仿真,對(duì)比結(jié)果如表1所示。

    表1 三種算法的計(jì)算復(fù)雜度對(duì)比

    通過表1對(duì)比發(fā)現(xiàn),文獻(xiàn)[10]算法基于對(duì)閾值選取方法的改進(jìn),提高了檢測(cè)概率卻沒有降低計(jì)算量;文獻(xiàn)[1]算法進(jìn)行了STFT以及WVD兩種時(shí)頻變換,并且利用哈達(dá)瑪積運(yùn)算對(duì)時(shí)頻矩陣進(jìn)行組合,進(jìn)一步提高了較低信噪比條件下的檢測(cè)概率卻額外增加了計(jì)算量;本文算法在閾值選取以及截?cái)嗵幚磉^程中都基于第二節(jié)中的最大值進(jìn)行處理,使計(jì)算量降低,運(yùn)行時(shí)間比文獻(xiàn)[1]、文獻(xiàn)[10]算法降低了37.51%和12.34%,極大地提高了算法的檢測(cè)效率。

    3.3 本文算法的有效性

    取信噪比-8 dB,其他仿真條件與3.1節(jié)相同,對(duì)本文算法的有效性進(jìn)行仿真驗(yàn)證。由于時(shí)頻變換具有能量聚集性,使得信號(hào)的能量總是沿著瞬時(shí)頻率集中分布,即信號(hào)的能量集中分布在瞬時(shí)頻率周圍[20-22],因此原始信號(hào)經(jīng)短時(shí)傅里葉變換后的時(shí)頻圖如圖5所示。

    (a)二維時(shí)頻圖

    由圖5可以看出,經(jīng)過短時(shí)傅里葉變換后,在信噪比較低的條件下,信號(hào)基本上被噪聲所淹沒,很難進(jìn)行準(zhǔn)確的判別檢測(cè),圖5(a)中紅色標(biāo)記是淹沒在噪聲中的部分信號(hào)。

    將仿真條件代入本文第2節(jié),通過K-means聚類后選取自適應(yīng)閾值,對(duì)時(shí)頻矩陣進(jìn)行截?cái)嗵幚?,處理結(jié)果如圖6所示。由圖6可以看出,本文算法具有很好的去噪作用,在較低信噪比條件下依然可以去除噪聲,實(shí)現(xiàn)跳頻信號(hào)的檢測(cè)。

    (a)二維時(shí)頻圖

    4 結(jié)束語

    針對(duì)低信噪比環(huán)境下跳頻信號(hào)的快速檢測(cè)問題,本文提出了一種新的閾值選取算法。該算法通過提取時(shí)頻矩陣每一頻率分量最大值進(jìn)行K-means聚類確定閾值和截?cái)嗵幚?,完成噪聲的去除,再依?jù)跳頻信號(hào)在駐留時(shí)間上的連續(xù)性與頻域上的跳變性實(shí)現(xiàn)對(duì)跳頻信號(hào)的檢測(cè)。仿真結(jié)果表明,本文算法計(jì)算量遠(yuǎn)低于同類算法,并且可以實(shí)現(xiàn)-8 dB環(huán)境下90%以上的檢測(cè)概率,為瞬變環(huán)境下的無人機(jī)跳頻信號(hào)的快速高效檢測(cè)提供了一種有效手段,具有一定的工程應(yīng)用價(jià)值。下一步的研究重點(diǎn)是搭建硬件平臺(tái)采集實(shí)測(cè)數(shù)據(jù),并結(jié)合所提算法進(jìn)行分析驗(yàn)證。

    猜你喜歡
    時(shí)頻信噪比聚類
    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
    低信噪比下LFMCW信號(hào)調(diào)頻參數(shù)估計(jì)
    低信噪比下基于Hough變換的前視陣列SAR稀疏三維成像
    基于DBSACN聚類算法的XML文檔聚類
    基于改進(jìn)的遺傳算法的模糊聚類算法
    保持信噪比的相位分解反褶積方法研究
    基于時(shí)頻分析的逆合成孔徑雷達(dá)成像技術(shù)
    一種層次初始的聚類個(gè)數(shù)自適應(yīng)的聚類方法研究
    對(duì)采樣數(shù)據(jù)序列進(jìn)行時(shí)頻分解法的改進(jìn)
    雙線性時(shí)頻分布交叉項(xiàng)提取及損傷識(shí)別應(yīng)用
    麻豆国产97在线/欧美| 国产色爽女视频免费观看| 免费看不卡的av| 一个人看的www免费观看视频| 亚洲色图av天堂| 你懂的网址亚洲精品在线观看| av网站免费在线观看视频 | 国产精品国产三级专区第一集| 日韩欧美精品v在线| 久久久久久久久大av| 又粗又硬又长又爽又黄的视频| 一边亲一边摸免费视频| a级毛片免费高清观看在线播放| 成人特级av手机在线观看| 久久久精品欧美日韩精品| 亚洲国产欧美人成| 国产精品精品国产色婷婷| 成人午夜高清在线视频| 亚洲精品影视一区二区三区av| 国产老妇伦熟女老妇高清| 亚洲一区高清亚洲精品| 内地一区二区视频在线| 亚洲av成人精品一区久久| 午夜视频国产福利| 天堂av国产一区二区熟女人妻| 亚洲,欧美,日韩| 极品教师在线视频| 久久久久国产网址| 黄片wwwwww| 校园人妻丝袜中文字幕| 91精品国产九色| 人人妻人人看人人澡| 91久久精品电影网| 国产亚洲91精品色在线| 熟女人妻精品中文字幕| 18+在线观看网站| 男人舔奶头视频| 国产成人福利小说| 国产麻豆成人av免费视频| 免费观看精品视频网站| 男人舔奶头视频| 精品一区在线观看国产| 午夜激情福利司机影院| 日日摸夜夜添夜夜添av毛片| 日本午夜av视频| 午夜亚洲福利在线播放| 九九爱精品视频在线观看| 国产毛片a区久久久久| 亚洲精品日韩av片在线观看| 好男人视频免费观看在线| 精品99又大又爽又粗少妇毛片| 国产探花极品一区二区| 久久精品夜夜夜夜夜久久蜜豆| 69人妻影院| 91精品国产九色| 亚洲最大成人中文| 久久这里只有精品中国| 一个人观看的视频www高清免费观看| 婷婷色av中文字幕| 熟妇人妻久久中文字幕3abv| 永久网站在线| 只有这里有精品99| 亚洲精品乱码久久久v下载方式| 中国美白少妇内射xxxbb| 99热这里只有精品一区| 午夜免费男女啪啪视频观看| 免费av观看视频| 高清午夜精品一区二区三区| 精品酒店卫生间| 成年版毛片免费区| 精品亚洲乱码少妇综合久久| 日韩电影二区| 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| 极品教师在线视频| 日本黄色片子视频| 18禁动态无遮挡网站| 欧美潮喷喷水| 欧美激情国产日韩精品一区| 欧美日韩一区二区视频在线观看视频在线 | 亚洲精品久久久久久婷婷小说| 自拍偷自拍亚洲精品老妇| 精华霜和精华液先用哪个| 亚洲自偷自拍三级| 国精品久久久久久国模美| 水蜜桃什么品种好| 99热全是精品| 日韩人妻高清精品专区| 精品熟女少妇av免费看| 全区人妻精品视频| 永久免费av网站大全| 汤姆久久久久久久影院中文字幕 | 亚洲国产av新网站| 97在线视频观看| 午夜福利视频精品| 美女高潮的动态| 国产精品不卡视频一区二区| 2021天堂中文幕一二区在线观| xxx大片免费视频| 亚洲av电影在线观看一区二区三区 | 黄色一级大片看看| 成人亚洲精品一区在线观看 | 2022亚洲国产成人精品| av免费观看日本| 色吧在线观看| 亚洲av电影在线观看一区二区三区 | 美女黄网站色视频| 免费大片18禁| 亚洲四区av| 精品99又大又爽又粗少妇毛片| 成人午夜精彩视频在线观看| 少妇熟女aⅴ在线视频| 一个人看的www免费观看视频| 亚洲av日韩在线播放| 亚洲熟女精品中文字幕| 一级片'在线观看视频| 男女视频在线观看网站免费| 非洲黑人性xxxx精品又粗又长| 成人美女网站在线观看视频| 九九在线视频观看精品| 有码 亚洲区| 99热全是精品| 一个人看的www免费观看视频| 免费电影在线观看免费观看| 亚洲精品成人av观看孕妇| 久久久久久久久久成人| 日韩不卡一区二区三区视频在线| 校园人妻丝袜中文字幕| 一区二区三区乱码不卡18| 草草在线视频免费看| 深爱激情五月婷婷| 99久久精品国产国产毛片| 中文字幕制服av| 精品久久久久久久人妻蜜臀av| 中文乱码字字幕精品一区二区三区 | 婷婷色av中文字幕| kizo精华| 亚洲精品乱码久久久久久按摩| 国产国拍精品亚洲av在线观看| 两个人视频免费观看高清| 简卡轻食公司| 免费黄网站久久成人精品| 国产免费又黄又爽又色| 少妇高潮的动态图| 欧美日韩在线观看h| 天堂√8在线中文| 午夜福利视频精品| 成年av动漫网址| 少妇熟女aⅴ在线视频| 男人舔女人下体高潮全视频| 水蜜桃什么品种好| 免费av不卡在线播放| 国产精品人妻久久久影院| 少妇人妻精品综合一区二区| 不卡视频在线观看欧美| 日韩av免费高清视频| 麻豆精品久久久久久蜜桃| 欧美高清成人免费视频www| 日本午夜av视频| 99久久精品国产国产毛片| 国产成人午夜福利电影在线观看| 日韩制服骚丝袜av| 免费黄色在线免费观看| 老司机影院毛片| 高清av免费在线| 亚洲精品456在线播放app| 老司机影院毛片| 国产精品三级大全| 亚洲图色成人| 婷婷色麻豆天堂久久| 国产av国产精品国产| 国产一区有黄有色的免费视频 | 国模一区二区三区四区视频| 尾随美女入室| 免费av毛片视频| 亚洲人与动物交配视频| 老司机影院毛片| 一级毛片电影观看| 又爽又黄a免费视频| 男的添女的下面高潮视频| 国产淫语在线视频| 最新中文字幕久久久久| 亚洲国产色片| 在线a可以看的网站| 亚洲av成人av| 99热6这里只有精品| 高清视频免费观看一区二区 | 午夜激情欧美在线| 国产色爽女视频免费观看| 色综合色国产| 哪个播放器可以免费观看大片| 91在线精品国自产拍蜜月| 女的被弄到高潮叫床怎么办| 国产一区二区三区综合在线观看 | 两个人视频免费观看高清| 久久草成人影院| 久久久久免费精品人妻一区二区| 国产精品国产三级专区第一集| 中国国产av一级| 日本黄色片子视频| 国产伦理片在线播放av一区| 爱豆传媒免费全集在线观看| 欧美日韩亚洲高清精品| 男女啪啪激烈高潮av片| 最近手机中文字幕大全| 99久久九九国产精品国产免费| 高清av免费在线| 成人亚洲精品av一区二区| 国内精品美女久久久久久| 18禁在线播放成人免费| 天堂影院成人在线观看| 亚洲国产精品sss在线观看| 日韩欧美精品免费久久| 九草在线视频观看| 精品一区在线观看国产| 夜夜爽夜夜爽视频| 久久久成人免费电影| 国产黄色视频一区二区在线观看| 日本-黄色视频高清免费观看| 久久综合国产亚洲精品| 天堂av国产一区二区熟女人妻| 精品国产三级普通话版| 国产精品久久久久久精品电影小说 | 三级国产精品片| 人人妻人人澡人人爽人人夜夜 | 成人美女网站在线观看视频| 人人妻人人看人人澡| 午夜日本视频在线| 有码 亚洲区| 熟女人妻精品中文字幕| 啦啦啦韩国在线观看视频| 亚洲av日韩在线播放| 日本wwww免费看| 国产黄色小视频在线观看| 狂野欧美白嫩少妇大欣赏| 久久久久久久亚洲中文字幕| 成人亚洲欧美一区二区av| 精品久久久久久久久亚洲| 午夜激情久久久久久久| 女人十人毛片免费观看3o分钟| 美女内射精品一级片tv| 五月天丁香电影| 国产成人精品一,二区| 国产老妇女一区| xxx大片免费视频| 男插女下体视频免费在线播放| 欧美高清性xxxxhd video| 亚洲经典国产精华液单| 日日撸夜夜添| 成人性生交大片免费视频hd| 一级毛片aaaaaa免费看小| 我的老师免费观看完整版| 亚洲av成人av| 最近2019中文字幕mv第一页| 精品久久久久久久人妻蜜臀av| 边亲边吃奶的免费视频| 五月玫瑰六月丁香| 国产淫片久久久久久久久| 尤物成人国产欧美一区二区三区| 欧美高清成人免费视频www| 国产三级在线视频| 国产国拍精品亚洲av在线观看| 国产精品一区www在线观看| 嫩草影院精品99| 久久久久网色| 久久这里有精品视频免费| 国产一级毛片七仙女欲春2| 综合色av麻豆| 99热全是精品| 内射极品少妇av片p| 亚洲精品成人久久久久久| 成人午夜高清在线视频| 成年av动漫网址| 美女脱内裤让男人舔精品视频| 国产成人精品婷婷| 乱系列少妇在线播放| 极品教师在线视频| 亚洲欧美清纯卡通| av黄色大香蕉| 插逼视频在线观看| 国产精品一及| 一级毛片我不卡| 蜜桃久久精品国产亚洲av| 欧美三级亚洲精品| 国产高清国产精品国产三级 | 久久鲁丝午夜福利片| 色5月婷婷丁香| 精品国产一区二区三区久久久樱花 | 亚洲精品乱码久久久久久按摩| 乱人视频在线观看| 婷婷色av中文字幕| 国产一区二区三区综合在线观看 | 一二三四中文在线观看免费高清| 麻豆av噜噜一区二区三区| 亚洲国产日韩欧美精品在线观看| 久久99蜜桃精品久久| 亚洲欧美日韩卡通动漫| 国产高清三级在线| 中文天堂在线官网| 69人妻影院| 免费少妇av软件| 亚洲国产精品sss在线观看| 午夜免费激情av| 久久久欧美国产精品| 午夜福利网站1000一区二区三区| 国产成人a区在线观看| 国产午夜精品一二区理论片| 亚洲精品乱码久久久久久按摩| 综合色丁香网| 亚洲精品一区蜜桃| 国产精品一区二区性色av| 91在线精品国自产拍蜜月| 国产久久久一区二区三区| 国产av码专区亚洲av| 床上黄色一级片| 高清欧美精品videossex| 天堂影院成人在线观看| 日本免费在线观看一区| 夫妻午夜视频| 欧美成人精品欧美一级黄| 欧美xxⅹ黑人| 舔av片在线| 久久精品国产鲁丝片午夜精品| 中文字幕av成人在线电影| 日本爱情动作片www.在线观看| 国产激情偷乱视频一区二区| 欧美另类一区| 欧美变态另类bdsm刘玥| 天堂√8在线中文| 十八禁国产超污无遮挡网站| 亚洲美女视频黄频| 亚洲国产精品国产精品| 男人舔女人下体高潮全视频| 欧美高清性xxxxhd video| av国产免费在线观看| 成年免费大片在线观看| 91aial.com中文字幕在线观看| 国产麻豆成人av免费视频| 国产高潮美女av| 久久国内精品自在自线图片| 夜夜看夜夜爽夜夜摸| 日韩欧美精品免费久久| av.在线天堂| 一本久久精品| 国产有黄有色有爽视频| 嫩草影院入口| 午夜免费男女啪啪视频观看| 免费观看a级毛片全部| 男插女下体视频免费在线播放| 免费无遮挡裸体视频| 国产高清有码在线观看视频| 成人高潮视频无遮挡免费网站| 校园人妻丝袜中文字幕| 国产成人精品福利久久| 美女内射精品一级片tv| 精品国产露脸久久av麻豆 | 十八禁国产超污无遮挡网站| 国产精品一区二区三区四区久久| 免费人成在线观看视频色| 一级片'在线观看视频| 国产色婷婷99| 久久人人爽人人爽人人片va| 啦啦啦韩国在线观看视频| 久久久国产一区二区| 国产淫语在线视频| 一级毛片电影观看| 亚洲国产日韩欧美精品在线观看| 午夜亚洲福利在线播放| 色综合色国产| 欧美日韩国产mv在线观看视频 | 久久鲁丝午夜福利片| 日韩强制内射视频| 欧美激情国产日韩精品一区| 日日摸夜夜添夜夜爱| 国产精品.久久久| 亚洲aⅴ乱码一区二区在线播放| 国内精品一区二区在线观看| 在线观看免费高清a一片| 国产黄片美女视频| 男插女下体视频免费在线播放| 亚洲国产高清在线一区二区三| 禁无遮挡网站| 国产爱豆传媒在线观看| 麻豆精品久久久久久蜜桃| 久久99蜜桃精品久久| 韩国av在线不卡| 国产精品福利在线免费观看| 国产一级毛片在线| 久久这里只有精品中国| videos熟女内射| 久久久久久久久大av| 国产色爽女视频免费观看| 亚洲精品色激情综合| 国产一区有黄有色的免费视频 | 别揉我奶头 嗯啊视频| 26uuu在线亚洲综合色| 99热这里只有精品一区| 美女黄网站色视频| 美女被艹到高潮喷水动态| 国产精品日韩av在线免费观看| 国产午夜精品一二区理论片| 日韩成人av中文字幕在线观看| 搞女人的毛片| 卡戴珊不雅视频在线播放| 成年版毛片免费区| 高清欧美精品videossex| 日本-黄色视频高清免费观看| 亚洲最大成人手机在线| 精品国产一区二区三区久久久樱花 | 国产有黄有色有爽视频| 国产淫片久久久久久久久| 国产精品综合久久久久久久免费| 麻豆成人av视频| 一区二区三区四区激情视频| .国产精品久久| 春色校园在线视频观看| 一区二区三区高清视频在线| 久久99热6这里只有精品| 亚洲熟女精品中文字幕| 熟妇人妻不卡中文字幕| 亚洲精品色激情综合| 欧美97在线视频| 国产精品三级大全| 久久亚洲国产成人精品v| 国产精品精品国产色婷婷| 十八禁网站网址无遮挡 | 国产熟女欧美一区二区| 日韩亚洲欧美综合| 2022亚洲国产成人精品| 欧美极品一区二区三区四区| 亚洲一级一片aⅴ在线观看| 青春草视频在线免费观看| 有码 亚洲区| 日韩在线高清观看一区二区三区| 欧美激情在线99| 国产精品1区2区在线观看.| 禁无遮挡网站| 亚洲av国产av综合av卡| 99久国产av精品| 精品久久久久久电影网| 联通29元200g的流量卡| 久久综合国产亚洲精品| av福利片在线观看| 日韩亚洲欧美综合| 国产三级在线视频| 直男gayav资源| 亚洲自偷自拍三级| 国产亚洲精品av在线| 日韩成人av中文字幕在线观看| 国产白丝娇喘喷水9色精品| 最后的刺客免费高清国语| 国内精品美女久久久久久| 非洲黑人性xxxx精品又粗又长| 少妇人妻一区二区三区视频| 别揉我奶头 嗯啊视频| 一边亲一边摸免费视频| av专区在线播放| 嫩草影院精品99| 岛国毛片在线播放| 一级毛片我不卡| 久久久久久九九精品二区国产| 日本黄色片子视频| 免费av毛片视频| 欧美潮喷喷水| 69人妻影院| 九九在线视频观看精品| 三级毛片av免费| 汤姆久久久久久久影院中文字幕 | 亚洲真实伦在线观看| 青春草国产在线视频| 国产 一区精品| 日日啪夜夜爽| 又粗又硬又长又爽又黄的视频| 国产精品不卡视频一区二区| av卡一久久| 永久网站在线| 国产69精品久久久久777片| 婷婷六月久久综合丁香| 成人一区二区视频在线观看| 一夜夜www| 国产av码专区亚洲av| 亚洲欧美一区二区三区国产| 97人妻精品一区二区三区麻豆| 天堂影院成人在线观看| 男女国产视频网站| 国产黄片美女视频| 人妻少妇偷人精品九色| 少妇被粗大猛烈的视频| 一级爰片在线观看| 亚洲自偷自拍三级| 中文字幕久久专区| 亚洲精品国产成人久久av| 国产毛片a区久久久久| 亚洲国产精品成人综合色| 岛国毛片在线播放| 欧美成人一区二区免费高清观看| 日韩一本色道免费dvd| 亚洲国产成人一精品久久久| 中文精品一卡2卡3卡4更新| 日韩在线高清观看一区二区三区| 精品久久久久久久末码| 22中文网久久字幕| 狠狠精品人妻久久久久久综合| 777米奇影视久久| 日日摸夜夜添夜夜添av毛片| 一区二区三区免费毛片| 亚洲av国产av综合av卡| 精品亚洲乱码少妇综合久久| 久久久久久久午夜电影| 三级经典国产精品| 国产成人aa在线观看| 日本午夜av视频| 观看免费一级毛片| 久久综合国产亚洲精品| 欧美三级亚洲精品| 亚洲成人一二三区av| 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 | 91精品一卡2卡3卡4卡| 亚洲婷婷狠狠爱综合网| 婷婷色麻豆天堂久久| 丝瓜视频免费看黄片| 国产成人福利小说| 少妇高潮的动态图| 日韩 亚洲 欧美在线| 免费播放大片免费观看视频在线观看| 国产欧美日韩精品一区二区| 91久久精品国产一区二区成人| 永久免费av网站大全| 女的被弄到高潮叫床怎么办| 久久人人爽人人爽人人片va| 欧美激情久久久久久爽电影| 人妻少妇偷人精品九色| 日韩不卡一区二区三区视频在线| 80岁老熟妇乱子伦牲交| 日日摸夜夜添夜夜爱| 国产精品综合久久久久久久免费| 精品久久久久久成人av| 97在线视频观看| 国产黄片美女视频| 少妇人妻精品综合一区二区| 色综合亚洲欧美另类图片| 18+在线观看网站| 丰满少妇做爰视频| 2021天堂中文幕一二区在线观| 国产综合懂色| 听说在线观看完整版免费高清| 精品国产露脸久久av麻豆 | 国产女主播在线喷水免费视频网站 | 麻豆久久精品国产亚洲av| 如何舔出高潮| 精品久久国产蜜桃| 波野结衣二区三区在线| 99热全是精品| av免费在线看不卡| 伦精品一区二区三区| 国内精品宾馆在线| 国产一区二区在线观看日韩| a级一级毛片免费在线观看| 六月丁香七月| 免费高清在线观看视频在线观看| 真实男女啪啪啪动态图| 噜噜噜噜噜久久久久久91| 久久久久久久久久人人人人人人| 乱系列少妇在线播放| 九九久久精品国产亚洲av麻豆| 精品久久久久久久人妻蜜臀av| 午夜福利在线观看吧| 日产精品乱码卡一卡2卡三| 国产高清三级在线| 一区二区三区四区激情视频| 精品人妻偷拍中文字幕| 国产久久久一区二区三区| 激情 狠狠 欧美| 成年女人看的毛片在线观看| 亚洲av不卡在线观看| 亚洲熟妇中文字幕五十中出| 久久久久免费精品人妻一区二区| 国内精品宾馆在线| 又大又黄又爽视频免费| 亚洲人成网站在线观看播放| 亚洲国产最新在线播放| 亚洲熟女精品中文字幕| 日韩欧美一区视频在线观看 | 九九在线视频观看精品| 男人狂女人下面高潮的视频| 国产精品一区二区三区四区久久| 伦理电影大哥的女人| 亚洲精品第二区| 99久久中文字幕三级久久日本| 熟妇人妻久久中文字幕3abv| 老司机影院成人| 国产精品av视频在线免费观看| 亚洲国产日韩欧美精品在线观看| 在现免费观看毛片| 26uuu在线亚洲综合色| 日韩电影二区| videossex国产| 一区二区三区免费毛片| 国内精品宾馆在线| ponron亚洲| 久久精品久久久久久久性| 免费播放大片免费观看视频在线观看| 中文字幕亚洲精品专区| 日本wwww免费看| 国产日韩欧美在线精品| 嫩草影院精品99| 国产成人freesex在线| 能在线免费看毛片的网站| 午夜福利高清视频| 嘟嘟电影网在线观看| 免费电影在线观看免费观看| 天美传媒精品一区二区| 亚洲人成网站在线观看播放| 日韩成人av中文字幕在线观看| 国产毛片a区久久久久|