• <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
    亚洲综合精品二区| 国产毛片a区久久久久| av在线蜜桃| 亚洲av成人精品一二三区| 亚洲精品国产成人久久av| 国产精品熟女久久久久浪| 91精品国产九色| 欧美变态另类bdsm刘玥| 国产永久视频网站| 亚洲熟妇中文字幕五十中出| 日本爱情动作片www.在线观看| 最近2019中文字幕mv第一页| 中文字幕av在线有码专区| 身体一侧抽搐| 一边亲一边摸免费视频| 亚洲欧美中文字幕日韩二区| 赤兔流量卡办理| av.在线天堂| 国内揄拍国产精品人妻在线| 啦啦啦中文免费视频观看日本| 久久久久性生活片| 亚洲欧美成人精品一区二区| 男的添女的下面高潮视频| 美女国产视频在线观看| 在线观看美女被高潮喷水网站| 国产成人aa在线观看| 国产探花在线观看一区二区| 两个人的视频大全免费| 在线观看一区二区三区| 国产精品人妻久久久影院| 少妇被粗大猛烈的视频| 亚洲国产av新网站| 国产精品一及| 床上黄色一级片| 亚洲av电影在线观看一区二区三区 | 精品亚洲乱码少妇综合久久| 国产在线一区二区三区精| 又黄又爽又刺激的免费视频.| 夜夜爽夜夜爽视频| 日韩国内少妇激情av| 国产一级毛片七仙女欲春2| 五月伊人婷婷丁香| 久久精品久久精品一区二区三区| 中文字幕亚洲精品专区| 国产黄片美女视频| 日韩制服骚丝袜av| 久久国内精品自在自线图片| 国产淫语在线视频| 久久99精品国语久久久| 国产av国产精品国产| 如何舔出高潮| 成年版毛片免费区| 色吧在线观看| 久久久久精品性色| 中国美白少妇内射xxxbb| 国产精品国产三级专区第一集| 狂野欧美激情性xxxx在线观看| 国产美女午夜福利| 国产成人一区二区在线| 久久久久精品久久久久真实原创| 久久久a久久爽久久v久久| 大陆偷拍与自拍| 久久99热这里只有精品18| 日韩av在线大香蕉| 尤物成人国产欧美一区二区三区| 精品不卡国产一区二区三区| xxx大片免费视频| 2021少妇久久久久久久久久久| 中文在线观看免费www的网站| 老司机影院毛片| 久久99热这里只有精品18| 能在线免费看毛片的网站| av黄色大香蕉| 日韩欧美 国产精品| 中文精品一卡2卡3卡4更新| 亚洲av免费高清在线观看| 欧美一级a爱片免费观看看| 寂寞人妻少妇视频99o| 国产亚洲91精品色在线| 国产片特级美女逼逼视频| 中文字幕久久专区| 久久久午夜欧美精品| 狂野欧美激情性xxxx在线观看| 国产视频内射| 免费看光身美女| 亚洲精品成人久久久久久| 女人十人毛片免费观看3o分钟| 久久久久久久国产电影| 国产免费福利视频在线观看| 有码 亚洲区| 熟女人妻精品中文字幕| 看黄色毛片网站| 汤姆久久久久久久影院中文字幕 | 成人综合一区亚洲| 亚洲精品视频女| 我要看日韩黄色一级片| 晚上一个人看的免费电影| 岛国毛片在线播放| 久久久久久久久久黄片| 青春草国产在线视频| 欧美人与善性xxx| 美女大奶头视频| 女人十人毛片免费观看3o分钟| 直男gayav资源| 一级毛片黄色毛片免费观看视频| 2018国产大陆天天弄谢| 久久精品久久久久久久性| 内射极品少妇av片p| 美女主播在线视频| 99久国产av精品国产电影| 国产探花在线观看一区二区| av免费观看日本| 天天躁日日操中文字幕| 成人一区二区视频在线观看| 亚洲精品亚洲一区二区| 亚洲aⅴ乱码一区二区在线播放| 亚洲精品乱码久久久v下载方式| 欧美日韩综合久久久久久| 777米奇影视久久| 国产成人aa在线观看| 国产伦在线观看视频一区| 欧美日韩精品成人综合77777| 六月丁香七月| 国产伦精品一区二区三区四那| 亚洲精品日韩在线中文字幕| 国产精品久久久久久av不卡| 成人欧美大片| eeuss影院久久| 好男人视频免费观看在线| av在线老鸭窝| 自拍偷自拍亚洲精品老妇| 日日干狠狠操夜夜爽| 别揉我奶头 嗯啊视频| 欧美xxⅹ黑人| 天美传媒精品一区二区| 午夜精品一区二区三区免费看| 日韩一本色道免费dvd| 亚洲av一区综合| 免费黄网站久久成人精品| 美女脱内裤让男人舔精品视频| 国产男人的电影天堂91| 免费看日本二区| av福利片在线观看| 国产视频首页在线观看| 亚洲av在线观看美女高潮| 大话2 男鬼变身卡| 欧美激情在线99| 国产大屁股一区二区在线视频| 22中文网久久字幕| 深爱激情五月婷婷| 精品人妻一区二区三区麻豆| 国产免费福利视频在线观看| 欧美激情在线99| 国产一区有黄有色的免费视频 | 性色avwww在线观看| 成人一区二区视频在线观看| 亚洲美女视频黄频| 97精品久久久久久久久久精品| 伦精品一区二区三区| 亚洲av成人精品一二三区| 久久久久九九精品影院| 亚洲精品一区蜜桃| 内射极品少妇av片p| 欧美日本视频| 在线天堂最新版资源| av国产免费在线观看| 亚洲内射少妇av| 男插女下体视频免费在线播放| 中文字幕免费在线视频6| 尾随美女入室| 国产精品综合久久久久久久免费| 国产 亚洲一区二区三区 | 日本免费a在线| 日韩 亚洲 欧美在线| 观看免费一级毛片| 国产精品.久久久| 欧美日韩精品成人综合77777| 国产黄色小视频在线观看| 一级av片app| 欧美日本视频| 国产成人免费观看mmmm| 欧美丝袜亚洲另类| av.在线天堂| 中国国产av一级| 九九爱精品视频在线观看| 我的老师免费观看完整版| 偷拍熟女少妇极品色| 中文在线观看免费www的网站| 成年女人看的毛片在线观看| 国产欧美另类精品又又久久亚洲欧美| 免费观看性生交大片5| 成人av在线播放网站| 欧美97在线视频| 在线a可以看的网站| 欧美日韩在线观看h| 国产一区二区亚洲精品在线观看| 春色校园在线视频观看| 午夜福利成人在线免费观看| 免费观看在线日韩| 久久久久久久久大av| 国产av国产精品国产| 亚洲成人一二三区av| 国产亚洲精品av在线| 22中文网久久字幕| 少妇的逼好多水| 亚洲欧美中文字幕日韩二区| 久久这里有精品视频免费| 纵有疾风起免费观看全集完整版 | 国产在视频线精品| 一个人看视频在线观看www免费| 99久久中文字幕三级久久日本| 麻豆精品久久久久久蜜桃| av天堂中文字幕网| 少妇裸体淫交视频免费看高清| 高清在线视频一区二区三区| 久久国产乱子免费精品| 狂野欧美白嫩少妇大欣赏| 精品酒店卫生间| 有码 亚洲区| 高清毛片免费看| 男女边摸边吃奶| 欧美成人a在线观看| 免费av观看视频| 国产精品久久久久久精品电影| 一级黄片播放器| 成人亚洲欧美一区二区av| 国产高清国产精品国产三级 | 干丝袜人妻中文字幕| 亚洲国产高清在线一区二区三| 18禁在线播放成人免费| 联通29元200g的流量卡| 久久久久久久久大av| 麻豆av噜噜一区二区三区| 亚洲欧美一区二区三区黑人 | 国产免费福利视频在线观看| 国模一区二区三区四区视频| 日韩国内少妇激情av| 亚洲内射少妇av| av线在线观看网站| 久久99蜜桃精品久久| 久久久色成人| 日本免费在线观看一区| 91久久精品国产一区二区成人| 秋霞伦理黄片| 日韩欧美三级三区| 尤物成人国产欧美一区二区三区| 男女下面进入的视频免费午夜| 国产美女午夜福利| 纵有疾风起免费观看全集完整版 | 亚洲在久久综合| 日韩av免费高清视频| 熟妇人妻不卡中文字幕| 少妇人妻一区二区三区视频| 免费黄色在线免费观看| 欧美三级亚洲精品| 国产精品久久久久久av不卡| 日韩,欧美,国产一区二区三区| 久久人人爽人人爽人人片va| 老女人水多毛片| 国产 一区精品| 精品一区二区三区视频在线| 亚洲第一区二区三区不卡| 免费观看性生交大片5| 波多野结衣巨乳人妻| 日韩大片免费观看网站| 又爽又黄a免费视频| 中文欧美无线码| 亚洲国产精品成人久久小说| 日本黄大片高清| 少妇猛男粗大的猛烈进出视频 | 国产一区二区三区av在线| 成人av在线播放网站| 精品国产一区二区三区久久久樱花 | 精品一区二区三卡| 高清日韩中文字幕在线| 亚洲av在线观看美女高潮| 街头女战士在线观看网站| 一本一本综合久久| 精品不卡国产一区二区三区| 性插视频无遮挡在线免费观看| 在线播放无遮挡| 天堂√8在线中文| av黄色大香蕉| 精品一区二区免费观看| 成人亚洲精品av一区二区| 蜜臀久久99精品久久宅男| 国产精品嫩草影院av在线观看| 女人久久www免费人成看片| 国产精品精品国产色婷婷| 成年女人在线观看亚洲视频 | 2021少妇久久久久久久久久久| 色综合色国产| 欧美zozozo另类| 国产伦在线观看视频一区| 国产精品日韩av在线免费观看| 一级爰片在线观看| 99久久中文字幕三级久久日本| 亚洲精品国产av蜜桃| 国产精品国产三级专区第一集| 成年人午夜在线观看视频 | 国产高清有码在线观看视频| 久久久久久久久久成人| 国产精品精品国产色婷婷| 午夜免费观看性视频| 亚洲国产精品专区欧美| 国产黄色视频一区二区在线观看| 亚洲性久久影院| 黄色日韩在线| av又黄又爽大尺度在线免费看| 男人爽女人下面视频在线观看| 国产伦理片在线播放av一区| 中国国产av一级| 午夜免费观看性视频| 国产成年人精品一区二区| 高清毛片免费看| 欧美日韩精品成人综合77777| 青春草国产在线视频| 日韩人妻高清精品专区| 精品人妻熟女av久视频| ponron亚洲| 老司机影院成人| 99视频精品全部免费 在线| 嫩草影院入口| 国产精品一区二区在线观看99 | 亚洲精华国产精华液的使用体验| 夫妻午夜视频| 少妇的逼水好多| 国产成人精品婷婷| 美女被艹到高潮喷水动态| 亚洲18禁久久av| 精品人妻一区二区三区麻豆| 我的女老师完整版在线观看| 免费黄频网站在线观看国产| 色吧在线观看| 一级爰片在线观看| 久久久国产一区二区| 久久久a久久爽久久v久久| 亚洲伊人久久精品综合| 久久久久久久久久久丰满| 男人舔女人下体高潮全视频| 99热这里只有精品一区| 亚洲欧洲国产日韩| 丝瓜视频免费看黄片| 久久久久精品久久久久真实原创| 国产久久久一区二区三区| 男女下面进入的视频免费午夜| 极品教师在线视频| 精华霜和精华液先用哪个| 久久99热6这里只有精品| 日韩av不卡免费在线播放| 国产精品一区www在线观看| 国产成人精品久久久久久| 最近手机中文字幕大全| 国产免费福利视频在线观看| 久久久久精品性色| 男人舔奶头视频| 最近的中文字幕免费完整| 在线观看av片永久免费下载| 国产精品久久视频播放| 精品国产一区二区三区久久久樱花 | 久久久久久久久久久免费av| 嫩草影院入口| 夜夜看夜夜爽夜夜摸| 性色avwww在线观看| 国产老妇女一区| 一级毛片我不卡| 熟女电影av网| 久久久久网色| 22中文网久久字幕| 国产乱来视频区| 国产亚洲5aaaaa淫片| 建设人人有责人人尽责人人享有的 | 又爽又黄无遮挡网站| 亚洲精品,欧美精品| 免费在线观看成人毛片| 国产真实伦视频高清在线观看| 国产精品一二三区在线看| 国产精品国产三级专区第一集| 久久久久性生活片| 亚洲国产精品sss在线观看| 嘟嘟电影网在线观看| 国产 一区精品| 蜜桃亚洲精品一区二区三区| 亚洲国产精品sss在线观看| 久热久热在线精品观看| 久久这里只有精品中国| 国产色爽女视频免费观看| 最近最新中文字幕免费大全7| 十八禁国产超污无遮挡网站| 国产亚洲91精品色在线| 午夜免费男女啪啪视频观看| 一级毛片久久久久久久久女| 人妻制服诱惑在线中文字幕| 两个人视频免费观看高清| 国产毛片a区久久久久| 国产精品久久久久久av不卡| 日本免费在线观看一区| 午夜爱爱视频在线播放| 久久99精品国语久久久| 亚洲国产成人一精品久久久| 亚洲av男天堂| 午夜精品一区二区三区免费看| 日韩av免费高清视频| 成人午夜精彩视频在线观看| 嫩草影院精品99| 内射极品少妇av片p| 女人十人毛片免费观看3o分钟| h日本视频在线播放| 精品久久久精品久久久| av在线蜜桃| 狂野欧美白嫩少妇大欣赏| 国产av在哪里看| 嘟嘟电影网在线观看| 久久久久精品久久久久真实原创| 国产 一区 欧美 日韩| 亚洲av福利一区| 日韩欧美一区视频在线观看 | 看十八女毛片水多多多| 亚洲欧美清纯卡通| 午夜福利在线观看免费完整高清在| 久久久色成人| 免费高清在线观看视频在线观看| 女的被弄到高潮叫床怎么办| 日韩制服骚丝袜av| 欧美97在线视频| 久久久精品94久久精品| 内射极品少妇av片p| 卡戴珊不雅视频在线播放| 国产精品一区二区在线观看99 | 亚洲成色77777| 最近手机中文字幕大全| 久久精品人妻少妇| 超碰97精品在线观看| 又大又黄又爽视频免费| 国产成人精品一,二区| 少妇的逼好多水| 亚洲欧美成人精品一区二区| 91久久精品国产一区二区成人| 人体艺术视频欧美日本| 久久久久精品性色| 黄片无遮挡物在线观看| 色尼玛亚洲综合影院| 久久久久久久久久黄片| 免费看不卡的av| 国产黄色小视频在线观看| 国产精品1区2区在线观看.| 亚洲最大成人手机在线| 亚洲精品久久久久久婷婷小说| 成人二区视频| 七月丁香在线播放| 精品久久久久久久人妻蜜臀av| 成人漫画全彩无遮挡| 内射极品少妇av片p| 18禁在线无遮挡免费观看视频| 熟女电影av网| 亚洲精品第二区| 国产真实伦视频高清在线观看| 精品人妻偷拍中文字幕| 啦啦啦啦在线视频资源| 亚洲国产精品专区欧美| a级一级毛片免费在线观看| 少妇裸体淫交视频免费看高清| 三级经典国产精品| 精品一区二区三区视频在线| 91aial.com中文字幕在线观看| 亚洲不卡免费看| 国产一区亚洲一区在线观看| 国产成人午夜福利电影在线观看| 国产一区二区亚洲精品在线观看| 联通29元200g的流量卡| 有码 亚洲区| 亚洲精品一二三| 18禁在线播放成人免费| 一个人看视频在线观看www免费| 久久6这里有精品| 亚洲欧美成人精品一区二区| 欧美一区二区亚洲| 高清视频免费观看一区二区 | 国产白丝娇喘喷水9色精品| 免费观看性生交大片5| 色综合色国产| 欧美xxxx黑人xx丫x性爽| h日本视频在线播放| 精品久久久久久久末码| 亚洲成人av在线免费| 舔av片在线| 97超碰精品成人国产| 国产综合精华液| 国产伦理片在线播放av一区| 欧美日韩视频高清一区二区三区二| 国产伦一二天堂av在线观看| 国产精品精品国产色婷婷| 人妻一区二区av| 日本爱情动作片www.在线观看| 不卡视频在线观看欧美| 观看美女的网站| 国内精品一区二区在线观看| 在线观看免费高清a一片| 久久久久久久久久人人人人人人| 午夜免费激情av| 国产熟女欧美一区二区| 午夜精品在线福利| 国产女主播在线喷水免费视频网站 | 久热久热在线精品观看| 亚洲欧美精品专区久久| 99热全是精品| 中文天堂在线官网| 亚洲精品第二区| 国内揄拍国产精品人妻在线| 成人一区二区视频在线观看| 国产av国产精品国产| 亚洲av日韩在线播放| 又爽又黄无遮挡网站| 我的女老师完整版在线观看| 欧美日本视频| 亚洲va在线va天堂va国产| 亚洲av中文av极速乱| 免费黄网站久久成人精品| 国产黄a三级三级三级人| 少妇熟女aⅴ在线视频| 男人和女人高潮做爰伦理| 久久99蜜桃精品久久| 国产大屁股一区二区在线视频| 噜噜噜噜噜久久久久久91| 三级经典国产精品| 最近的中文字幕免费完整| 亚洲美女视频黄频| 午夜免费男女啪啪视频观看| 一区二区三区免费毛片| 日韩av不卡免费在线播放| 亚洲美女搞黄在线观看| 男女国产视频网站| 在线a可以看的网站| 少妇熟女欧美另类| av免费在线看不卡| 亚洲,欧美,日韩| 国产亚洲精品久久久com| 国产一区二区三区av在线| 亚洲人成网站高清观看| 观看美女的网站| 国产免费福利视频在线观看| 欧美 日韩 精品 国产| 国产av不卡久久| 天天一区二区日本电影三级| 亚洲国产色片| 亚洲av成人精品一二三区| 80岁老熟妇乱子伦牲交| 一区二区三区免费毛片| 国产亚洲5aaaaa淫片| 九九爱精品视频在线观看| 天堂√8在线中文| 亚洲,欧美,日韩| 丰满少妇做爰视频| 在线观看av片永久免费下载| 亚洲av不卡在线观看| 亚洲精品色激情综合| 91精品一卡2卡3卡4卡| 性插视频无遮挡在线免费观看| 成人毛片60女人毛片免费| 建设人人有责人人尽责人人享有的 | 一个人免费在线观看电影| 国产精品1区2区在线观看.| 精品一区二区三区视频在线| 精品人妻视频免费看| videos熟女内射| 国产精品日韩av在线免费观看| 国内精品一区二区在线观看| 老司机影院成人| 日韩欧美精品v在线| 观看免费一级毛片| 欧美性猛交╳xxx乱大交人| 在线a可以看的网站| 97精品久久久久久久久久精品| 男人舔女人下体高潮全视频| 中文字幕久久专区| 69人妻影院| 大话2 男鬼变身卡| 超碰97精品在线观看| 免费电影在线观看免费观看| 免费av观看视频| 久久午夜福利片| 日韩精品青青久久久久久| 高清毛片免费看| 97在线视频观看| 三级经典国产精品| 亚洲欧美一区二区三区国产| 日韩不卡一区二区三区视频在线| av专区在线播放| 色播亚洲综合网| 国产女主播在线喷水免费视频网站 | 亚洲欧美日韩东京热| 久久国内精品自在自线图片| 街头女战士在线观看网站| 久久久a久久爽久久v久久| 一级二级三级毛片免费看| 九九在线视频观看精品| 在线免费观看不下载黄p国产| 亚洲国产av新网站| 人人妻人人看人人澡| 欧美xxxx黑人xx丫x性爽| 国产黄色免费在线视频| 国产乱人偷精品视频| 国产视频首页在线观看| 国产男女超爽视频在线观看| 免费在线观看成人毛片| 美女国产视频在线观看| 亚洲国产日韩欧美精品在线观看| 18禁裸乳无遮挡免费网站照片| 2022亚洲国产成人精品| 天堂影院成人在线观看| 一级二级三级毛片免费看| 国产有黄有色有爽视频| 成年免费大片在线观看| 国产成年人精品一区二区| 精品少妇黑人巨大在线播放|