• <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 ?

    基于輕量級(jí)卷積門控循環(huán)神經(jīng)網(wǎng)絡(luò)的語(yǔ)聲增強(qiáng)方法?

    2023-07-13 12:20:20李江和宋浠瑜劉小娟
    應(yīng)用聲學(xué) 2023年3期
    關(guān)鍵詞:網(wǎng)絡(luò)結(jié)構(gòu)卷積噪聲

    王 玫 李江和 宋浠瑜 劉小娟

    (1 桂林理工大學(xué)信息科學(xué)與工程學(xué)院 桂林 541004)

    (2 桂林電子科技大學(xué) 認(rèn)知無(wú)線電與信息處理省部共建教育部重點(diǎn)實(shí)驗(yàn)室 桂林 541004)

    0 引言

    語(yǔ)聲信號(hào)是人與人、人與智能設(shè)備之間傳遞信息的重要載體之一。在現(xiàn)實(shí)生活環(huán)境中,各種各樣噪聲的干擾,嚴(yán)重影響了語(yǔ)聲信號(hào)的質(zhì)量與可懂度,給人們帶來(lái)了糟糕的聽覺體驗(yàn),同時(shí)阻礙了人與人之間的交流,以及人與智能設(shè)備之間的交互。因此,語(yǔ)聲增強(qiáng)是語(yǔ)聲信號(hào)處理中不可或缺的一部分[1]。語(yǔ)聲增強(qiáng)的目標(biāo)是盡可能地從帶噪語(yǔ)聲中還原出純凈語(yǔ)聲[2],從而提高語(yǔ)聲質(zhì)量和語(yǔ)聲可懂度等評(píng)價(jià)指標(biāo)。

    傳統(tǒng)的語(yǔ)聲增強(qiáng)技術(shù)經(jīng)過(guò)不斷發(fā)展,衍生出了多種基于數(shù)字信號(hào)處理和統(tǒng)計(jì)學(xué)的語(yǔ)聲增強(qiáng)算法。經(jīng)典的傳統(tǒng)語(yǔ)聲增強(qiáng)算法有譜減法[3?4]、維納濾波[5?7]、子空間[8]等。在傳統(tǒng)的譜減法中,語(yǔ)聲增強(qiáng)的效果主要依賴于對(duì)帶噪語(yǔ)聲中噪聲頻譜的估計(jì),對(duì)噪聲頻譜的估計(jì)一般在靜音部分實(shí)現(xiàn)。然而,在現(xiàn)實(shí)中,對(duì)噪聲頻譜的準(zhǔn)確估計(jì)是非常困難的一項(xiàng)工作。在基于子空間的語(yǔ)聲增強(qiáng)方法中,通過(guò)將帶噪語(yǔ)聲分解為不同的子空間成分,這些不同的子空間分別代表語(yǔ)聲成分和噪聲成分[9?11]。傳統(tǒng)的語(yǔ)聲增強(qiáng)算法在平穩(wěn)噪聲條件下性能比較穩(wěn)定,但是在非平穩(wěn)噪聲條件下的性能急劇惡化[12],這是由于其本身存在著一些不合理的假設(shè)。

    針對(duì)傳統(tǒng)的基于數(shù)字信號(hào)處理的無(wú)監(jiān)督語(yǔ)聲增強(qiáng)算法因存在不合理的假設(shè),導(dǎo)致在非平穩(wěn)噪聲條件下語(yǔ)聲增強(qiáng)性能急劇下降的問(wèn)題,人們開始關(guān)注基于有監(jiān)督學(xué)習(xí)的語(yǔ)聲增強(qiáng)算法。非負(fù)矩陣分解[13?15]是早期的基于有監(jiān)督的語(yǔ)聲增強(qiáng)方法之一。隨著深度學(xué)習(xí)的發(fā)展,基于深度學(xué)習(xí)[16?18]的語(yǔ)聲增強(qiáng)算法取得了越來(lái)越好的語(yǔ)聲增強(qiáng)性能。基于深度學(xué)習(xí)的語(yǔ)聲增強(qiáng)算法利用了深度神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射能力,實(shí)現(xiàn)從帶噪語(yǔ)聲到純凈語(yǔ)聲的復(fù)雜非線性映射?;谏疃葘W(xué)習(xí)的語(yǔ)聲增強(qiáng)方法分為頻域映射和時(shí)域端到端的語(yǔ)聲增強(qiáng)。在頻域中,由于相位信息缺乏結(jié)構(gòu)性,所以難以建模學(xué)習(xí),因此一般只對(duì)帶噪語(yǔ)聲信號(hào)的幅度信息做學(xué)習(xí)建模,最后采用帶噪語(yǔ)聲信號(hào)的相位信息實(shí)現(xiàn)語(yǔ)聲增強(qiáng)。但是在低信噪比條件下語(yǔ)聲質(zhì)量,語(yǔ)聲可懂度會(huì)受到采用帶噪語(yǔ)聲信號(hào)相位合成語(yǔ)聲的影響,因此人們開始采用時(shí)域端到端的語(yǔ)聲增強(qiáng)方法[19?21]?;谏疃葘W(xué)習(xí)的語(yǔ)聲增強(qiáng)方法相對(duì)于傳統(tǒng)的基于數(shù)字信號(hào)處理的方法在增強(qiáng)后的語(yǔ)聲質(zhì)量、語(yǔ)聲可懂度等評(píng)價(jià)指標(biāo)上得到了非常大的提升。循環(huán)神經(jīng)網(wǎng)絡(luò)能夠建模語(yǔ)聲信號(hào)的時(shí)間相關(guān)性,因此許多文獻(xiàn)常常采用循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)帶噪語(yǔ)聲信號(hào)的建模[22?24]。但是循環(huán)神經(jīng)網(wǎng)絡(luò)存在參數(shù)數(shù)量巨大的問(wèn)題,這不利于模型的推廣,同時(shí),在訓(xùn)練階段易出現(xiàn)過(guò)擬合導(dǎo)致模型泛化能力較差。

    本文針對(duì)傳統(tǒng)的基于循環(huán)神經(jīng)網(wǎng)絡(luò)的語(yǔ)聲增強(qiáng)方法中,其全連接的結(jié)構(gòu)忽略了語(yǔ)聲信號(hào)的時(shí)頻結(jié)構(gòu)特征[25],導(dǎo)致語(yǔ)聲增強(qiáng)性能下降,同時(shí)參數(shù)數(shù)量巨大的問(wèn)題,設(shè)計(jì)了一種采用卷積核替代循環(huán)神經(jīng)網(wǎng)絡(luò)中的全連接結(jié)構(gòu)的輕量級(jí)卷積門控循環(huán)神經(jīng)網(wǎng)絡(luò)(Lightweight convolution gated recurrent neural network,LCGRU),在提高網(wǎng)絡(luò)性能的同時(shí)降低了網(wǎng)絡(luò)參數(shù)的數(shù)量。針對(duì)在基于深度學(xué)習(xí)因果式語(yǔ)聲增強(qiáng)的方法中采用了因果式的網(wǎng)絡(luò)輸入(N+1 幀)導(dǎo)致語(yǔ)聲增強(qiáng)性能下降的問(wèn)題,本文充分利用了先前N幀的帶噪語(yǔ)聲信號(hào)特征,在LCGRU 網(wǎng)絡(luò)當(dāng)前時(shí)刻網(wǎng)絡(luò)單元的輸入中融合了上一時(shí)刻的輸入xt?1與輸出ht?1,這充分利用了先前N幀的語(yǔ)聲信號(hào)特征[26]。針對(duì)網(wǎng)絡(luò)訓(xùn)練過(guò)程中易出現(xiàn)過(guò)擬合的問(wèn)題,本文采用了線性門控機(jī)制[27]控制網(wǎng)絡(luò)信息的傳輸,進(jìn)一步提高了網(wǎng)絡(luò)的語(yǔ)聲增強(qiáng)性能。仿真實(shí)驗(yàn)結(jié)果表明,LCGRU 在增強(qiáng)后的語(yǔ)聲短時(shí)客觀可懂度(Short time objective intelligibility,STOI)、語(yǔ)聲感知質(zhì)量(Perceptual evaluation of speech quality,PESQ)、分段信噪比(Segmented signal-to-noise ratio,SSNR)等評(píng)價(jià)指標(biāo)上均優(yōu)于傳統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu),如長(zhǎng)短時(shí)記憶(Long short term memory,LSTM)網(wǎng)絡(luò)、門控循環(huán)單元(Gated recurrent unit,GRU)以及簡(jiǎn)單循環(huán)神經(jīng)網(wǎng)絡(luò)(Simple recurrent neural network,SRNN)。同時(shí),LCGRU 網(wǎng)絡(luò)的參數(shù)數(shù)量為GRU 網(wǎng)絡(luò)的13%,LSTM網(wǎng)絡(luò)的9.82%。

    1 深度學(xué)習(xí)因果式語(yǔ)聲增強(qiáng)

    通常為了使神經(jīng)網(wǎng)絡(luò)能夠更準(zhǔn)確地建模語(yǔ)聲信號(hào)的時(shí)頻結(jié)構(gòu)特征,常常會(huì)采用非因果式的網(wǎng)絡(luò)輸入(2N+1 幀)。然而,采用非因果式的網(wǎng)絡(luò)輸入會(huì)給語(yǔ)聲增強(qiáng)算法帶來(lái)固定時(shí)延,不能滿足實(shí)時(shí)語(yǔ)聲增強(qiáng)的系統(tǒng)要求。為了保證語(yǔ)聲增強(qiáng)系統(tǒng)的實(shí)時(shí)性,基于深度學(xué)習(xí)的語(yǔ)聲增強(qiáng)算法需要采用因果式的網(wǎng)絡(luò)輸入(N+1 幀),即網(wǎng)絡(luò)的輸入只包含當(dāng)前幀以及先前N幀的語(yǔ)聲信號(hào)特征,未包含后續(xù)未來(lái)幀的語(yǔ)聲信號(hào)特征信息。由此可知,當(dāng)對(duì)第t幀帶噪語(yǔ)聲增強(qiáng)時(shí),神經(jīng)網(wǎng)絡(luò)的輸入可表示為

    式(1)中,t、k分別表示第t幀、第k個(gè)頻點(diǎn),n為連續(xù)幀的數(shù)量即網(wǎng)絡(luò)輸入的窗長(zhǎng);φt表示多幀帶噪語(yǔ)聲拼接后的特征,用于對(duì)第t幀中純凈語(yǔ)聲成分的估計(jì)。本文采用非負(fù)幅度譜[22]特征作為網(wǎng)絡(luò)的輸入特征,計(jì)算方法可以由(2)表示:

    式(2)中,n=1,2,···,N,N表示拼接的幀數(shù)數(shù)量,即網(wǎng)絡(luò)輸入的窗長(zhǎng);Z(k,t,n)表示非負(fù)幅度譜特征?;谏疃葘W(xué)習(xí)的語(yǔ)聲增強(qiáng)方法利用了神經(jīng)網(wǎng)絡(luò)強(qiáng)大的復(fù)雜映射能力,實(shí)現(xiàn)將帶噪語(yǔ)聲到純凈語(yǔ)聲的復(fù)雜映射。神經(jīng)網(wǎng)絡(luò)可以表示為復(fù)雜函數(shù)fx(x),如式(3)所示:

    式(3)中,帶噪語(yǔ)聲到純凈語(yǔ)聲的復(fù)雜映射關(guān)系由函數(shù)fx(x)表示。表示估計(jì)的第t幀、第k個(gè)頻點(diǎn)的純凈語(yǔ)聲特征。在網(wǎng)絡(luò)的訓(xùn)練過(guò)程中,本文采用平均絕對(duì)誤差(Mean absolute error,MAE)作為損失函數(shù),如式(4)所示:

    式(4)中,M表示批量大小,本文設(shè)置為128;Ti表示標(biāo)簽數(shù)據(jù)(純凈語(yǔ)聲的非負(fù)幅度譜特征),即純凈語(yǔ)聲的特征向量。通過(guò)多次訓(xùn)練計(jì)算損失函數(shù)值,經(jīng)過(guò)反向傳播調(diào)整網(wǎng)絡(luò)權(quán)重,最終獲得泛化能力較好的網(wǎng)絡(luò)模型實(shí)現(xiàn)語(yǔ)聲增強(qiáng)。

    2 門控循環(huán)神經(jīng)單元

    2.1 GRU

    傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)能夠建模時(shí)間相關(guān)序列,但是容易出現(xiàn)梯度消失的問(wèn)題,導(dǎo)致模型無(wú)法訓(xùn)練,對(duì)此有學(xué)者提出了GRU,緩解了網(wǎng)絡(luò)梯度消失,同時(shí)能夠建模時(shí)間序列的長(zhǎng)期依賴關(guān)系。圖1 為常用的GRU模型。

    圖1 GRU 單元Fig.1 GRU unit

    圖1 的GRU 是對(duì)LSTM 網(wǎng)絡(luò)的簡(jiǎn)化設(shè)計(jì)。GRU網(wǎng)絡(luò)單元的前向傳播可由式(5)表示:

    式(5)中,Zt、rt、ht分別表示更新門、重置門以及網(wǎng)絡(luò)單元的輸出。其中⊙為Hadmard 乘積,σ為Sigmoid激活函數(shù)。

    2.2 LCGRU

    傳統(tǒng)的門控循環(huán)神經(jīng)網(wǎng)絡(luò)(GRU,LSTM)能夠有效建模語(yǔ)聲信號(hào)的長(zhǎng)期依賴關(guān)系。但是其全連接的網(wǎng)絡(luò)結(jié)構(gòu)忽略了語(yǔ)聲信號(hào)的時(shí)頻結(jié)構(gòu)特征,導(dǎo)致語(yǔ)聲增強(qiáng)性能下降。對(duì)此,本文設(shè)計(jì)了一種LCGRU,采用卷積核替代GRU傳統(tǒng)的全連接結(jié)構(gòu)。LCGRU網(wǎng)絡(luò)在對(duì)語(yǔ)聲信號(hào)的時(shí)間相關(guān)性建模的同時(shí)保留了語(yǔ)聲信號(hào)的時(shí)頻結(jié)構(gòu)特征,降低了網(wǎng)絡(luò)參數(shù)的數(shù)量。針對(duì)在深度學(xué)習(xí)因果式的語(yǔ)聲增強(qiáng)方法中,由于采用了因果式的網(wǎng)絡(luò)輸入(N+1 幀),語(yǔ)聲增強(qiáng)性能下降的問(wèn)題,LCGRU 網(wǎng)絡(luò)為充分利用先前幀(N幀)的語(yǔ)聲信號(hào)特征,網(wǎng)絡(luò)單元當(dāng)前時(shí)刻的網(wǎng)絡(luò)輸入融合了上一時(shí)刻的網(wǎng)絡(luò)輸入xt?1與輸出ht?1,這充分利用了語(yǔ)聲信號(hào)的先前N幀的特征信息,極大地提高了網(wǎng)絡(luò)的語(yǔ)聲增強(qiáng)性能。為了緩解網(wǎng)絡(luò)訓(xùn)練過(guò)程中的過(guò)擬合問(wèn)題,本文采用了線性門控機(jī)制(Gated linear unit,GLU)[27]控制信息的傳輸。圖2為本文設(shè)計(jì)的LCGRU。

    圖2 LCGRUFig.2 Lightweight convolutional gated recurrent neural network

    圖2 為L(zhǎng)CGRU 網(wǎng)絡(luò)的前向傳播示意圖,圖中xt?1、ht?1、xt分別代表上一時(shí)刻的輸入、上一時(shí)刻的輸出以及當(dāng)前時(shí)刻的輸入。ft、分別表示遺忘門與候選隱藏狀態(tài)。在LCGRU 網(wǎng)絡(luò)單元中,首先計(jì)算輸入特征的帶權(quán)特征向量:

    式(6)中,xt、xt?1、ht?1分別代表網(wǎng)絡(luò)當(dāng)前時(shí)刻的輸入、網(wǎng)絡(luò)單元上一時(shí)刻的輸入以及輸出;W?代表網(wǎng)絡(luò)的卷積核,為可訓(xùn)練參數(shù)。得到帶權(quán)特征向量后計(jì)算遺忘門ft與候選隱藏狀態(tài)可由式(7)與式(8)表示:

    式(7)~(8)中,w?代表網(wǎng)絡(luò)的卷積核,本文采用一維卷積核替代傳統(tǒng)的全連接結(jié)構(gòu);b?代表偏置項(xiàng),為可學(xué)習(xí)的參數(shù)向量。最后網(wǎng)絡(luò)的輸出可由式(9)表示:

    式(9)中,ft為遺忘門的輸出為上一時(shí)刻輸出的帶權(quán)特征向量。其中⊙代表Hadmard 乘積,?代表卷積運(yùn)算。

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 仿真實(shí)驗(yàn)設(shè)置

    為了驗(yàn)證所提算法的有效性,本文通過(guò)在tensorflow/keras 平臺(tái)上實(shí)現(xiàn)網(wǎng)絡(luò)的搭建及訓(xùn)練,驗(yàn)證算法的優(yōu)越性。數(shù)據(jù)集中的純凈語(yǔ)聲來(lái)自于TIMIT[28]數(shù)據(jù)集,同時(shí)包含了不同性別、地區(qū)、人種等不同說(shuō)話人的聲頻信息,文本方面也不會(huì)出現(xiàn)有重疊,這保證了模型的可推廣性。噪聲數(shù)據(jù)集來(lái)自于文獻(xiàn)[29]中的100 種噪聲以及文獻(xiàn)[30]中的15 種噪聲。通過(guò)在TIMIT 訓(xùn)練集中隨機(jī)提取1000條純凈語(yǔ)聲與文獻(xiàn)[29]中隨機(jī)抽取的噪聲在信噪比為?5 dB、0 dB、5 dB、10 dB 條件下生成4000 條帶噪語(yǔ)聲作為訓(xùn)練集。通過(guò)在TIMIT 測(cè)試集中隨機(jī)抽取200 條純凈語(yǔ)聲與文獻(xiàn)[30]中的噪聲同樣在?5 dB、0 dB、5 dB、10 dB 信噪比條件下生成800條帶噪語(yǔ)聲作為測(cè)試集。網(wǎng)絡(luò)的學(xué)習(xí)率為1×10?4,學(xué)習(xí)率的衰減系數(shù)為1×10?6。本文采用批量數(shù)據(jù)的訓(xùn)練方式,批量大小為128,并采用MAE 作為網(wǎng)絡(luò)的損失函數(shù)。為驗(yàn)證所提算法的有效性,本文采用的對(duì)比網(wǎng)絡(luò)結(jié)構(gòu)為簡(jiǎn)單SRNN、GRU以及LSTM網(wǎng)絡(luò)。網(wǎng)絡(luò)均采用層疊加的方法,網(wǎng)絡(luò)均采用4 層結(jié)構(gòu),每一層均為512個(gè)神經(jīng)單元。LCGRU同樣采用4層的網(wǎng)絡(luò)結(jié)構(gòu),每一層的卷積核為32,卷積核的大小為9。

    3.2 仿真實(shí)驗(yàn)結(jié)果與分析

    本文采用的評(píng)價(jià)指標(biāo)為平均PESQ、平均STOI以及SSNR作為對(duì)增強(qiáng)后的語(yǔ)聲評(píng)價(jià)。STOI的取值范圍為0~1 之間PESQ 的取值范圍為?0.5~4.5之間。二者均為數(shù)值越大,增強(qiáng)后的語(yǔ)聲質(zhì)量與可懂度越高。統(tǒng)計(jì)結(jié)果如表1與表2所示。

    表1 平均PESQTable 1 Average PESQ

    表2 平均STOITable 2 Average STOI

    表1~2 統(tǒng)計(jì)了文獻(xiàn)[30]中的4 種噪聲hfchannel、f16、destroyerengine 以及volvo 在不同信噪比條下生成的帶噪語(yǔ)聲經(jīng)過(guò)不同的網(wǎng)絡(luò)結(jié)構(gòu)增強(qiáng)后的平均PESQ以及平均STOI。從表1~2中可以得出,本文所設(shè)計(jì)的LCGRU 增強(qiáng)后的語(yǔ)聲在STOI、PESQ 的得分上均高于傳統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu),這充分證明了本文所提出的基于LCGRU的語(yǔ)聲增強(qiáng)方法的有效性。LSTM 與GRU 的性能相對(duì)于SRNN 更加優(yōu)越,這是由于LSTM、GRU采用了門控機(jī)制,能夠?qū)W習(xí)到語(yǔ)聲信號(hào)的長(zhǎng)期依賴關(guān)系,而SRNN 未采用門控機(jī)制。LCGRU 網(wǎng)絡(luò)不但采用了門控機(jī)制,并且采用了卷積核替代了全連接結(jié)構(gòu),所以性能得到了較大提高。為進(jìn)一步驗(yàn)證所提算法的優(yōu)越性,本文統(tǒng)計(jì)了不同噪聲條件下不同模型增強(qiáng)后的語(yǔ)聲SSNR,如圖3所示。

    從圖3 中可以得出,LCGRU 網(wǎng)絡(luò)結(jié)構(gòu)相對(duì)于傳統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)(SRNN,GRU,LSTM)增強(qiáng)后的語(yǔ)聲SSNR 更高。SRNN 網(wǎng)絡(luò)結(jié)構(gòu)雖然在圖3(a)、圖3(b)中在低信噪比條件下的語(yǔ)聲SSNR 高于GRU、LSTM,但是依然低于LCGRU,同時(shí)隨著信噪比的提高其性能逐漸低于GRU、LSTM。然而,可以看出LCGRU網(wǎng)絡(luò)依然擁有較好的語(yǔ)聲增強(qiáng)性能,這證明了相對(duì)于傳統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)(GRU,LSTM,SRNN),LCGRU的魯棒性更好。

    綜上所述,LCGRU 網(wǎng)絡(luò)相對(duì)于傳統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)(SRNN,GRU,LSTM)在增強(qiáng)后的STOI、PESQ、SSRN 等評(píng)價(jià)指標(biāo)上獲得更高的得分。而LSTM 相對(duì)于GRU、SRNN 擁有更好的語(yǔ)聲增強(qiáng)性能,但是其參數(shù)數(shù)量較多,導(dǎo)致網(wǎng)絡(luò)訓(xùn)練困難,同時(shí)容易出現(xiàn)過(guò)擬合的問(wèn)題。而LCGRU 網(wǎng)絡(luò)因?yàn)椴捎昧司矸e核替代了傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)的全連接結(jié)構(gòu),同時(shí)采用了線性門控機(jī)制控制信息的傳輸,因此不但極大地減少了網(wǎng)絡(luò)的參數(shù)數(shù)量,同時(shí)保留了語(yǔ)聲信號(hào)的時(shí)頻結(jié)構(gòu)特征,從而獲得了較好的語(yǔ)聲增強(qiáng)性能。針對(duì)在深度學(xué)習(xí)因果式語(yǔ)聲增強(qiáng)方法中因采用因果式的網(wǎng)絡(luò)輸入導(dǎo)致語(yǔ)聲增強(qiáng)性能下降的問(wèn)題,LCGRU 為充分利用先前幀的語(yǔ)聲信號(hào)特征,在LCGRU 網(wǎng)絡(luò)單元當(dāng)前時(shí)刻的輸入中融合了上一時(shí)刻的輸入xt?1與輸出ht?1,這充分利用了先前N幀的語(yǔ)聲信號(hào)特征,降低了因?yàn)椴捎靡蚬骄W(wǎng)絡(luò)輸入特征信息減少所帶來(lái)的影響。表3、表4 統(tǒng)計(jì)了不同網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù)數(shù)量,以及模型收斂后的絕對(duì)誤差;表5 中統(tǒng)計(jì)了采用不同網(wǎng)絡(luò)模型NVIDIA GeForce MX350 環(huán)境下,GPU 平臺(tái)中處理一幀帶噪語(yǔ)聲數(shù)據(jù)所需要的平均時(shí)間。

    表3 不同網(wǎng)絡(luò)模型的參數(shù)數(shù)量Table 3 Parameters of different network models

    表4 不同網(wǎng)絡(luò)模型的驗(yàn)證損失Table 4 Verification loss of different network models

    表5 不同網(wǎng)絡(luò)模型處理一幀語(yǔ)聲數(shù)據(jù)所需要的時(shí)間Table 5 The time of different models to process a frame of data

    從表3 可以得出LCGRU 網(wǎng)絡(luò)的參數(shù)數(shù)量為GRU網(wǎng)絡(luò)的13%,為L(zhǎng)STM網(wǎng)絡(luò)的9.82%。LCGRU網(wǎng)絡(luò)的參數(shù)數(shù)量得到大幅度減少,這得益于本文采用卷積核替代傳統(tǒng)的全連接結(jié)構(gòu)。從表4 中可以看到,LCGRU獲得了最低的損失值,這證明了該網(wǎng)絡(luò)結(jié)構(gòu)能夠更好地建模帶噪語(yǔ)聲到純凈語(yǔ)聲的復(fù)雜映射關(guān)系。從表5 可以看出,本文所提算法相對(duì)耗時(shí),這是由于本文采用卷積核做特征計(jì)算,計(jì)算量相對(duì)較大,但依然滿足實(shí)時(shí)性要求。

    4 結(jié)論

    針對(duì)傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)因采用全連接的網(wǎng)絡(luò)結(jié)構(gòu)忽略了語(yǔ)聲信號(hào)的時(shí)頻結(jié)構(gòu)特征,本文采用卷積核替代了傳統(tǒng)的全連接結(jié)構(gòu),在對(duì)語(yǔ)聲信號(hào)的長(zhǎng)期依賴關(guān)系建模的同時(shí),保留了其時(shí)頻結(jié)構(gòu)特征信息,極大降低了網(wǎng)絡(luò)的參數(shù)數(shù)量。針對(duì)基于深度學(xué)習(xí)的因果式語(yǔ)聲增強(qiáng)方法中因采用了因果式的網(wǎng)絡(luò)輸入導(dǎo)致語(yǔ)聲增強(qiáng)性能下降的問(wèn)題,本文設(shè)計(jì)了一種LCGRU網(wǎng)絡(luò)結(jié)構(gòu)。為充分利用先前幀的語(yǔ)聲信號(hào)特征,在LCGRU 網(wǎng)絡(luò)單元當(dāng)前時(shí)刻的輸入中融合了上一時(shí)刻的輸入xt?1與輸出ht?1,這充分利用了先前N幀的語(yǔ)聲信號(hào)特征,降低了因?yàn)椴捎靡蚬骄W(wǎng)絡(luò)輸入特征信息減少所帶來(lái)的影響。注意力機(jī)制能夠更好地關(guān)注到帶噪語(yǔ)聲中純凈語(yǔ)聲成分。此外,在語(yǔ)聲和聲頻處理領(lǐng)域,利用人耳掩蔽效應(yīng),取得了極大成功。下一步將研究利用注意力機(jī)制結(jié)合人耳掩蔽效應(yīng)提高網(wǎng)絡(luò)的語(yǔ)聲增強(qiáng)性能。同時(shí),為了縮短模型的計(jì)算時(shí)間,將采用擴(kuò)張卷積等方式做進(jìn)一步的改進(jìn),以提升系統(tǒng)的性能。

    猜你喜歡
    網(wǎng)絡(luò)結(jié)構(gòu)卷積噪聲
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    噪聲可退化且依賴于狀態(tài)和分布的平均場(chǎng)博弈
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    控制噪聲有妙法
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)維對(duì)于創(chuàng)新績(jī)效的作用機(jī)制——遠(yuǎn)程創(chuàng)新搜尋的中介作用
    滬港通下A+ H股票網(wǎng)絡(luò)結(jié)構(gòu)演化的實(shí)證分析
    復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)比對(duì)算法研究進(jìn)展
    一種基于白噪聲響應(yīng)的隨機(jī)載荷譜識(shí)別方法
    99热网站在线观看| 日韩av在线免费看完整版不卡| 亚洲av电影在线观看一区二区三区| www.av在线官网国产| 欧美日韩亚洲高清精品| 91在线精品国自产拍蜜月| 大话2 男鬼变身卡| 天天影视国产精品| 欧美精品亚洲一区二区| 亚洲av男天堂| 亚洲国产精品一区二区三区在线| 美女中出高潮动态图| 国产成人aa在线观看| 黄色怎么调成土黄色| 在线看a的网站| 日本欧美视频一区| 狂野欧美激情性bbbbbb| 精品久久国产蜜桃| 18在线观看网站| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 蜜桃在线观看..| 欧美日韩av久久| 国产亚洲午夜精品一区二区久久| 日韩av不卡免费在线播放| 97超碰精品成人国产| 飞空精品影院首页| av卡一久久| 精品午夜福利在线看| 1024视频免费在线观看| 人人妻人人爽人人添夜夜欢视频| 成年av动漫网址| 九色亚洲精品在线播放| 中国国产av一级| 99热网站在线观看| 中文欧美无线码| 人成视频在线观看免费观看| 国产欧美亚洲国产| av视频免费观看在线观看| 18+在线观看网站| 亚洲精品中文字幕在线视频| 日本欧美国产在线视频| 人人妻人人添人人爽欧美一区卜| 日日撸夜夜添| 91aial.com中文字幕在线观看| 国产av码专区亚洲av| 伦精品一区二区三区| 日本欧美视频一区| 中文字幕亚洲精品专区| 亚洲欧美一区二区三区国产| 啦啦啦中文免费视频观看日本| 国产精品欧美亚洲77777| 美女国产视频在线观看| 观看av在线不卡| 在线天堂最新版资源| 不卡视频在线观看欧美| 成人综合一区亚洲| 国产精品久久久久久精品古装| 国产精品熟女久久久久浪| 黑人欧美特级aaaaaa片| 成人18禁高潮啪啪吃奶动态图| 草草在线视频免费看| 亚洲一码二码三码区别大吗| 久久精品国产亚洲av涩爱| 国产淫语在线视频| 99国产精品免费福利视频| 国产在线一区二区三区精| 国产日韩欧美视频二区| 卡戴珊不雅视频在线播放| 黑人猛操日本美女一级片| 国产麻豆69| 免费高清在线观看视频在线观看| 国产av精品麻豆| 国产一区二区三区综合在线观看 | 丝袜人妻中文字幕| 精品酒店卫生间| 午夜福利乱码中文字幕| 伊人久久国产一区二区| 亚洲欧美中文字幕日韩二区| 毛片一级片免费看久久久久| 丰满乱子伦码专区| 中国三级夫妇交换| av免费观看日本| 久久久久久久久久久久大奶| 亚洲经典国产精华液单| 男人添女人高潮全过程视频| 老女人水多毛片| 丝瓜视频免费看黄片| 丰满饥渴人妻一区二区三| 老司机亚洲免费影院| 毛片一级片免费看久久久久| 久久97久久精品| 有码 亚洲区| 桃花免费在线播放| 久久久久精品久久久久真实原创| 国产黄频视频在线观看| 高清黄色对白视频在线免费看| 插逼视频在线观看| 国产熟女欧美一区二区| 免费av不卡在线播放| 精品人妻在线不人妻| 一级爰片在线观看| 欧美精品高潮呻吟av久久| 少妇精品久久久久久久| 免费黄频网站在线观看国产| 欧美成人午夜免费资源| 免费看av在线观看网站| 国产成人免费无遮挡视频| 五月玫瑰六月丁香| 久久久久视频综合| 99久久中文字幕三级久久日本| 五月伊人婷婷丁香| 99香蕉大伊视频| 国产精品成人在线| 欧美日韩成人在线一区二区| 国产女主播在线喷水免费视频网站| 天天操日日干夜夜撸| 人体艺术视频欧美日本| 成人亚洲精品一区在线观看| 伦理电影大哥的女人| 黄色一级大片看看| 在线天堂中文资源库| 国产精品不卡视频一区二区| 午夜免费观看性视频| videos熟女内射| 国产日韩欧美亚洲二区| 亚洲图色成人| 纯流量卡能插随身wifi吗| 晚上一个人看的免费电影| 丝袜在线中文字幕| 妹子高潮喷水视频| 国产无遮挡羞羞视频在线观看| 亚洲欧美日韩另类电影网站| 日本欧美国产在线视频| 高清欧美精品videossex| 色婷婷久久久亚洲欧美| 亚洲国产色片| 国内精品宾馆在线| 日本欧美国产在线视频| 免费日韩欧美在线观看| 国语对白做爰xxxⅹ性视频网站| 夜夜骑夜夜射夜夜干| 大香蕉97超碰在线| 国产在视频线精品| 国语对白做爰xxxⅹ性视频网站| 又黄又粗又硬又大视频| 精品卡一卡二卡四卡免费| 国产成人a∨麻豆精品| 高清不卡的av网站| 亚洲欧美日韩卡通动漫| 看免费av毛片| 亚洲精品av麻豆狂野| av卡一久久| 亚洲婷婷狠狠爱综合网| 卡戴珊不雅视频在线播放| 男男h啪啪无遮挡| 嫩草影院入口| 夜夜骑夜夜射夜夜干| 欧美 亚洲 国产 日韩一| 五月天丁香电影| 国产亚洲精品久久久com| 国产亚洲一区二区精品| 另类精品久久| 国产日韩欧美视频二区| 狠狠精品人妻久久久久久综合| 久久精品久久久久久久性| 蜜桃国产av成人99| 久久久久久久国产电影| 韩国精品一区二区三区 | 中文字幕另类日韩欧美亚洲嫩草| 香蕉丝袜av| 人人妻人人澡人人爽人人夜夜| 亚洲成av片中文字幕在线观看 | 91久久精品国产一区二区三区| 国产亚洲欧美精品永久| 女人精品久久久久毛片| 亚洲国产精品专区欧美| 国产国语露脸激情在线看| 亚洲国产精品专区欧美| 国产麻豆69| 日韩不卡一区二区三区视频在线| 搡女人真爽免费视频火全软件| 街头女战士在线观看网站| 制服诱惑二区| 国产精品无大码| 欧美精品人与动牲交sv欧美| 满18在线观看网站| 熟女电影av网| 午夜福利在线观看免费完整高清在| 亚洲av日韩在线播放| 国产有黄有色有爽视频| 你懂的网址亚洲精品在线观看| 少妇高潮的动态图| 岛国毛片在线播放| videosex国产| 成人免费观看视频高清| 成年女人在线观看亚洲视频| 亚洲美女黄色视频免费看| 亚洲国产欧美在线一区| 中国国产av一级| 又大又黄又爽视频免费| 免费在线观看黄色视频的| 免费黄频网站在线观看国产| 乱码一卡2卡4卡精品| 少妇的逼水好多| 老司机影院毛片| 亚洲精品久久久久久婷婷小说| 精品国产一区二区久久| √禁漫天堂资源中文www| 日日爽夜夜爽网站| 亚洲精品日本国产第一区| 激情视频va一区二区三区| 欧美成人精品欧美一级黄| 新久久久久国产一级毛片| 日韩欧美一区视频在线观看| 九草在线视频观看| 亚洲欧美一区二区三区黑人 | 日韩一本色道免费dvd| 亚洲美女视频黄频| 国产亚洲欧美精品永久| 一二三四中文在线观看免费高清| 美女国产高潮福利片在线看| 成年av动漫网址| av视频免费观看在线观看| 久久女婷五月综合色啪小说| 满18在线观看网站| 26uuu在线亚洲综合色| 夫妻午夜视频| 日韩免费高清中文字幕av| 青春草国产在线视频| 精品亚洲成国产av| 在线天堂中文资源库| 成人毛片a级毛片在线播放| 欧美人与性动交α欧美精品济南到 | 一区二区三区乱码不卡18| 国产老妇伦熟女老妇高清| 女的被弄到高潮叫床怎么办| 丝袜喷水一区| 免费在线观看完整版高清| 欧美日韩一区二区视频在线观看视频在线| 一区二区三区精品91| 亚洲av.av天堂| 在线观看美女被高潮喷水网站| 国产精品熟女久久久久浪| 飞空精品影院首页| av视频免费观看在线观看| 色网站视频免费| 国产永久视频网站| 我的女老师完整版在线观看| 免费大片18禁| 中文乱码字字幕精品一区二区三区| 女人被躁到高潮嗷嗷叫费观| 亚洲丝袜综合中文字幕| 五月开心婷婷网| 国产极品天堂在线| 精品一区二区三区四区五区乱码 | 亚洲精品视频女| 久久久久久伊人网av| 久久 成人 亚洲| 男人爽女人下面视频在线观看| 自线自在国产av| 人妻一区二区av| 日本-黄色视频高清免费观看| 午夜日本视频在线| 亚洲美女视频黄频| 天堂8中文在线网| www日本在线高清视频| 免费黄色在线免费观看| 涩涩av久久男人的天堂| 熟女av电影| 男女下面插进去视频免费观看 | 日韩 亚洲 欧美在线| 亚洲av在线观看美女高潮| 18禁国产床啪视频网站| 国产福利在线免费观看视频| 极品人妻少妇av视频| 人人妻人人添人人爽欧美一区卜| www日本在线高清视频| 18禁观看日本| 国产精品不卡视频一区二区| 90打野战视频偷拍视频| 69精品国产乱码久久久| 欧美另类一区| 人妻人人澡人人爽人人| 纯流量卡能插随身wifi吗| 深夜精品福利| 国产高清不卡午夜福利| 大香蕉久久成人网| 自拍欧美九色日韩亚洲蝌蚪91| 黄片播放在线免费| 欧美日韩av久久| 午夜福利视频在线观看免费| 性高湖久久久久久久久免费观看| 国产黄频视频在线观看| 国产成人精品婷婷| av电影中文网址| 高清毛片免费看| 欧美人与善性xxx| 这个男人来自地球电影免费观看 | 欧美日韩av久久| 伊人久久国产一区二区| 成年人免费黄色播放视频| 成人毛片a级毛片在线播放| 久久这里只有精品19| 天美传媒精品一区二区| 99热全是精品| 一级爰片在线观看| 亚洲av电影在线进入| av免费观看日本| 青春草亚洲视频在线观看| 欧美精品一区二区免费开放| 亚洲欧美成人综合另类久久久| 欧美少妇被猛烈插入视频| 亚洲情色 制服丝袜| 久久精品夜色国产| 男人添女人高潮全过程视频| 亚洲av电影在线进入| 日韩中字成人| 国产高清国产精品国产三级| 97人妻天天添夜夜摸| 日韩电影二区| 国产高清不卡午夜福利| 欧美日韩视频精品一区| 国产高清国产精品国产三级| 国产 精品1| 免费人成在线观看视频色| 精品国产一区二区三区久久久樱花| 99香蕉大伊视频| 国产日韩一区二区三区精品不卡| 免费黄色在线免费观看| 国产av一区二区精品久久| 久久99一区二区三区| 色吧在线观看| 一本久久精品| 伊人久久国产一区二区| 老司机影院毛片| 极品人妻少妇av视频| 美女福利国产在线| 国产爽快片一区二区三区| 日韩,欧美,国产一区二区三区| 国产精品成人在线| 多毛熟女@视频| 97人妻天天添夜夜摸| 午夜视频国产福利| 亚洲精品乱码久久久久久按摩| 多毛熟女@视频| 黄色视频在线播放观看不卡| 成年女人在线观看亚洲视频| 日本欧美国产在线视频| av国产精品久久久久影院| 久久午夜福利片| 久久久久久人妻| 久久精品人人爽人人爽视色| 成人国产麻豆网| 人人妻人人添人人爽欧美一区卜| 韩国高清视频一区二区三区| 欧美97在线视频| 男女免费视频国产| 精品久久蜜臀av无| 国产免费一区二区三区四区乱码| 飞空精品影院首页| 99re6热这里在线精品视频| 91午夜精品亚洲一区二区三区| 免费久久久久久久精品成人欧美视频 | 亚洲精品美女久久av网站| 中国国产av一级| 免费黄色在线免费观看| 久久精品aⅴ一区二区三区四区 | 国产又爽黄色视频| 日本免费在线观看一区| 亚洲一级一片aⅴ在线观看| 99久国产av精品国产电影| 夜夜爽夜夜爽视频| 大话2 男鬼变身卡| 午夜久久久在线观看| 黄色视频在线播放观看不卡| 考比视频在线观看| 亚洲av国产av综合av卡| 中文字幕最新亚洲高清| 国产精品蜜桃在线观看| 99国产精品免费福利视频| 亚洲熟女精品中文字幕| 精品少妇久久久久久888优播| 99热6这里只有精品| 中国美白少妇内射xxxbb| 一区二区三区精品91| 看免费av毛片| 国产69精品久久久久777片| 亚洲,欧美,日韩| 成人黄色视频免费在线看| 国精品久久久久久国模美| 飞空精品影院首页| 人人妻人人澡人人爽人人夜夜| 十分钟在线观看高清视频www| av不卡在线播放| 在线观看免费视频网站a站| 婷婷色麻豆天堂久久| 国产片内射在线| 久热久热在线精品观看| 国产在线免费精品| 一区二区av电影网| 免费观看无遮挡的男女| 日韩 亚洲 欧美在线| 国产精品国产三级国产专区5o| 一级黄片播放器| 日韩成人av中文字幕在线观看| 亚洲av男天堂| 亚洲熟女精品中文字幕| www.熟女人妻精品国产 | 99视频精品全部免费 在线| 亚洲精品乱久久久久久| 男人爽女人下面视频在线观看| 亚洲精华国产精华液的使用体验| 91aial.com中文字幕在线观看| 日日摸夜夜添夜夜爱| av在线app专区| 成人毛片60女人毛片免费| 激情五月婷婷亚洲| 999精品在线视频| 久久精品人人爽人人爽视色| 日韩中文字幕视频在线看片| 97人妻天天添夜夜摸| 国产精品不卡视频一区二区| 欧美人与性动交α欧美精品济南到 | 精品一品国产午夜福利视频| 亚洲精品,欧美精品| 日日摸夜夜添夜夜爱| 少妇精品久久久久久久| 亚洲精品乱码久久久久久按摩| 看免费av毛片| 极品少妇高潮喷水抽搐| 国产福利在线免费观看视频| 9色porny在线观看| 精品亚洲成a人片在线观看| 69精品国产乱码久久久| 侵犯人妻中文字幕一二三四区| 大香蕉久久网| www.色视频.com| 欧美日韩av久久| 国产探花极品一区二区| 少妇人妻久久综合中文| 色婷婷久久久亚洲欧美| 欧美老熟妇乱子伦牲交| 视频区图区小说| 97人妻天天添夜夜摸| 在线天堂中文资源库| 777米奇影视久久| 久久久久国产精品人妻一区二区| 久久久久国产网址| 爱豆传媒免费全集在线观看| 在线观看www视频免费| 永久网站在线| 亚洲国产精品一区三区| 精品亚洲乱码少妇综合久久| av网站免费在线观看视频| 久久精品久久精品一区二区三区| 成年美女黄网站色视频大全免费| 草草在线视频免费看| 亚洲av免费高清在线观看| 色5月婷婷丁香| 一级毛片 在线播放| 最近的中文字幕免费完整| 在线天堂中文资源库| 精品久久蜜臀av无| 免费看av在线观看网站| 国产精品久久久久久久电影| 亚洲精品国产色婷婷电影| av中文乱码字幕在线| 久久久久国内视频| 亚洲成人手机| 欧美黑人精品巨大| 欧美色视频一区免费| 亚洲va日本ⅴa欧美va伊人久久| 宅男免费午夜| 日本撒尿小便嘘嘘汇集6| 国产视频一区二区在线看| 国产成人精品久久二区二区91| 亚洲精品久久午夜乱码| 啦啦啦免费观看视频1| 国产精华一区二区三区| 亚洲专区字幕在线| www.999成人在线观看| 大码成人一级视频| 国产一区二区三区视频了| 亚洲一码二码三码区别大吗| 亚洲精品av麻豆狂野| 亚洲片人在线观看| 久久这里只有精品19| 国产三级黄色录像| 狂野欧美激情性xxxx| 身体一侧抽搐| 高清黄色对白视频在线免费看| 午夜免费鲁丝| 美女午夜性视频免费| 欧美日韩一级在线毛片| 国产精品免费视频内射| 久久久久精品人妻al黑| 国产精品免费大片| 欧美亚洲日本最大视频资源| 高清黄色对白视频在线免费看| 国产精品电影一区二区三区 | bbb黄色大片| 麻豆成人av在线观看| 久久中文字幕一级| 亚洲 欧美一区二区三区| 国产又爽黄色视频| 日本一区二区免费在线视频| 亚洲欧美精品综合一区二区三区| 精品国产一区二区三区久久久樱花| 久久热在线av| 午夜福利欧美成人| 无人区码免费观看不卡| 黄色成人免费大全| 黄色视频,在线免费观看| 两个人看的免费小视频| 欧美精品高潮呻吟av久久| 午夜精品久久久久久毛片777| 亚洲一区中文字幕在线| 国产男女超爽视频在线观看| 黄色丝袜av网址大全| 欧美av亚洲av综合av国产av| 在线观看免费午夜福利视频| 欧美精品亚洲一区二区| 性色av乱码一区二区三区2| 窝窝影院91人妻| 国产蜜桃级精品一区二区三区 | 女人被躁到高潮嗷嗷叫费观| 免费人成视频x8x8入口观看| 咕卡用的链子| 久久香蕉国产精品| 国产成人av激情在线播放| 国产不卡一卡二| 十分钟在线观看高清视频www| 欧美 日韩 精品 国产| 亚洲性夜色夜夜综合| 国产精品电影一区二区三区 | 国产成人一区二区三区免费视频网站| 美女国产高潮福利片在线看| 日韩欧美免费精品| 9191精品国产免费久久| 在线天堂中文资源库| 久久人妻av系列| 久久亚洲精品不卡| 很黄的视频免费| 老汉色∧v一级毛片| 亚洲一区二区三区欧美精品| 欧美国产精品va在线观看不卡| 日韩视频一区二区在线观看| 啦啦啦在线免费观看视频4| 1024香蕉在线观看| 欧美中文综合在线视频| 天天躁狠狠躁夜夜躁狠狠躁| 国产成人一区二区三区免费视频网站| 少妇粗大呻吟视频| 欧美成狂野欧美在线观看| 一级黄色大片毛片| 夜夜爽天天搞| 热99国产精品久久久久久7| 午夜福利在线免费观看网站| 日日爽夜夜爽网站| www.999成人在线观看| 久久国产精品人妻蜜桃| 91麻豆精品激情在线观看国产 | 久久久国产成人精品二区 | 不卡一级毛片| 青草久久国产| 亚洲熟女毛片儿| 亚洲人成电影观看| 久久香蕉精品热| 大香蕉久久成人网| 天堂俺去俺来也www色官网| 最新的欧美精品一区二区| 麻豆乱淫一区二区| 最新的欧美精品一区二区| 黄色成人免费大全| 一边摸一边抽搐一进一小说 | 香蕉丝袜av| 丝袜美足系列| 中文字幕另类日韩欧美亚洲嫩草| 日韩免费高清中文字幕av| 精品国产一区二区三区久久久樱花| 国产成人精品久久二区二区免费| 国产精品九九99| 一级毛片精品| 19禁男女啪啪无遮挡网站| 一级毛片女人18水好多| 亚洲精品美女久久av网站| 99精品在免费线老司机午夜| 成年人免费黄色播放视频| 黄色毛片三级朝国网站| 欧美激情极品国产一区二区三区| 日日夜夜操网爽| 久久香蕉国产精品| 国产成人精品久久二区二区免费| 露出奶头的视频| 精品高清国产在线一区| 免费高清在线观看日韩| 日韩免费高清中文字幕av| 亚洲七黄色美女视频| 成年人午夜在线观看视频| 电影成人av| 黄网站色视频无遮挡免费观看| 午夜精品在线福利| 国产欧美日韩一区二区三区在线| 女警被强在线播放| av中文乱码字幕在线| 国产成人欧美在线观看 | 亚洲成a人片在线一区二区| 无遮挡黄片免费观看| 大码成人一级视频| 日韩 欧美 亚洲 中文字幕| 多毛熟女@视频| 好看av亚洲va欧美ⅴa在| 国产成人精品久久二区二区91| 成年人午夜在线观看视频| 亚洲黑人精品在线|