• <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 ?

    腦電信號的小波變換和樣本熵特征提取方法

    2012-09-24 13:45:16張毅羅明偉羅元
    智能系統(tǒng)學報 2012年4期
    關(guān)鍵詞:電信號識別率右手

    張毅,羅明偉,羅元

    (1.重慶郵電大學 自動化學院,重慶 400065;2.重慶郵電大學光電工程學院,重慶 400065)

    腦-機接口(brain-computer interface,BCI)是不依賴于大腦外周神經(jīng)與肌肉系統(tǒng),在人腦和計算機或外部設(shè)備之間建立起來的一種通信系統(tǒng).它能夠為肢體殘疾但思維意識正常的患者提供一種新型的對外信息交流手段,并在殘疾人康復、正常人輔助控制、娛樂等領(lǐng)域有著廣泛的應用前景[1-4].

    特征提取是BCI研究的關(guān)鍵技術(shù)之一,常用的方法有 FFT[5](fast Fourier transform)、AR[6-7](autoregressive)、AAR[8](adaptive auto-regressive)、小波變換[9-11]、樣本熵[12]等方法.FFT、AR 和 AAR 通過把幅度隨時間變化的腦電信號變換為腦電功率隨頻率變化的譜圖,從而提取出腦電信號的頻域特征.然而這些方法都只適合分析平穩(wěn)信號,對于非平穩(wěn)的腦電信號,具有很大的局限性.小波變換是一種典型的時頻分析法,具有多分辨率特性,在時域和頻域均具有良好的分辨率,適用于非平穩(wěn)信號處理.因此,小波變換非常分析合適腦電信號.然而,大腦是一個典型的非線性系統(tǒng),腦電信號可以看作是它的輸出,小波變換卻不能反映出腦電信號的非線性特征.而樣本熵是一種非線性分析法,能通過度量腦電信號的復雜度來反映它的非線性特征,但不能反映出腦電信號的時頻特征.為了盡量充分地提取出腦電信號的特征,提高其正確的識別率,本文提出了一種結(jié)合小波變換和樣本熵的特征提取方法.該方法通過結(jié)合小波變換提取出的時頻特征和樣本熵分析提取出的非線性特征,得到了能反映出腦電信號時域、頻域和非線性特征的特征向量.利用支持向量機(support vector machine,SVM)對左、右手運動想象腦電信號進行分類,得到的最高正確識別率為91.43%,明顯高于僅采用小波變換、樣本熵以及其他傳統(tǒng)方法[6-7]的正確識別率.

    1 基于Emotiv的腦電采集系統(tǒng)

    本文所使用的腦電采集儀是如圖1所示的Emotiv,其采樣頻率為128 Hz.電極是按照國際10-20標準電極安放法安放,其安放位置如圖2所示.

    圖1 Emotiv腦電采集儀Fig.1 Emotiv EEG acquisition instrument

    圖2 Emotiv電極安放位置Fig.2 Electrode positions on Emotiv

    圖中“CMS”和“DRL”為參考電極.選取4個健康受試者(年齡為22~24歲),分別采集左、右手運動想象腦電信號.以一個受試者進行左手運動想象為例,對整個數(shù)據(jù)采集過程進行說明:實驗開始時,讓受試者靜坐并保持放松狀態(tài),當受試者聽到口令時,開始想象左手運動,大約1 min后停止想象,休息2 s后再次進行同樣的操作,總共進行5次實驗.按上述實驗步驟,分別采集4個受試者進行左、右手運動想象的腦電信號.以持續(xù)2 s的腦電信號作為一組樣本,一個受試者進行一種運動想象可獲得150組樣本,每組樣本有256個數(shù)據(jù).

    圖3是受試者進行左、右手運動想象的FC5通道腦電信號的波形圖.

    圖3 想象左、右手運動的FC5通道腦電信號的波形Fig.3 The EEG signals of FC5channel for imagery left-right hands movement

    2 結(jié)合小波變換和樣本熵的腦電信號特征提取

    2.1 小波變換特征提取

    人在想象單側(cè)手運動時,其對側(cè)相應初級感覺運動皮層區(qū)的腦電μ節(jié)律(8~12 Hz)和β節(jié)律(14~30 Hz)節(jié)律幅值降低,這種現(xiàn)象稱為事件相關(guān)去同步(event-related desynchronization,ERD);而同側(cè)腦電μ節(jié)律和β節(jié)律幅度升高,稱為事件相關(guān)同步(event-related synchronization,ERS).根據(jù)這一特征,可使用μ節(jié)律和β節(jié)律來分析左、右手運動想象腦電信號.而小波變換能把信號的整個頻帶劃分為多個子頻帶,因此可使用小波變換來分析左、右運動想象腦電信號.為了減少特征向量的維數(shù),本文僅分析β節(jié)律.設(shè)x(n)表示實驗采集的EEG離散信號,則x(n)的離散小波變換定義為

    式中:ψ(n)為小波基函數(shù),j、k分別代表頻率分辨率和時間平移量.采用Mallat算法,對信號進行有限層分解,即

    表1 小波分解的各層頻帶范圍Table 1 Frequency band range of each level of wavelet decomposition

    小波系數(shù)能表達信號在時域和頻域的能量分布,因此利用小波系數(shù)的能量能反映出腦電信號的時域和頻域特征.由表1可知D2(16~32 Hz)在腦電信號的β節(jié)律頻帶范圍附近,因此,可提取對應于D2頻帶的小波系數(shù)的能量均值作為特征量.同時,為了進一步突出想象單側(cè)手運動引起的FC5、FC6通道腦電信號的幅值差異,還提取了小波系數(shù)的能量均值差PS作為特征量,即

    式中:PFC5為FC5通道的能量均值,PFC6為FC6通道的能量均值.

    對左、右手運動想象任務,各選取100組樣本數(shù)據(jù)計算,得到小波系數(shù)的能量均值和能量均值差分別如圖4和圖5所示.從圖4可以看出:想象左手運動時,F(xiàn)C5通道的能量均值PFC5大于FC6通道的能量均值PFC6;想象右手運動時,F(xiàn)C5通道的能量均值PFC5小于FC6通道的能量均值PFC6.因此,腦電信號經(jīng)小波分解后,其對應于β節(jié)律頻帶的小波系數(shù)的能量均能作為區(qū)分左、右手運動想象腦電信號的特征量.從圖5可知,利用小波系數(shù)的能量值均值差提取得到的特征很好地反映出了左、右手運動想象腦電信號的差別.

    圖4 小波系數(shù)的能量均值Fig.4 The average energy of wavelet coefficient

    圖5 小波系數(shù)的能量均值差Fig.5 The average energy difference of wavelet coefficient

    2.2 結(jié)合小波變換和樣本熵的特征提取

    小波變換能反映出腦電信號的時頻特征,但不能反映出它的非線性特征.而樣本熵是一種非線性分析法,能通過度量腦電信號的復雜度來反映它的非線性特征,但卻不能反映出它的時頻特征.針對這2種方法的不足,本文將結(jié)合小波變換和樣本熵來提取腦電信號的特征,進而提高腦電信號的正確識別率.

    樣本熵是在近似熵的基礎(chǔ)上提出的一種改進的復雜度測量方法[13].它不但具備近似熵所有的優(yōu)點,而且避免了近似熵中統(tǒng)計量不一致的問題.

    設(shè)一維時間序列為{X(i)},i=1,2,…,N,其樣本熵可通過如下計算得到:

    1)將序列{X(i)}按順序組成m維矢量,即2)對每一個i計算矢量Ym(i)與矢量Ym(j)之間的距離,即

    3)給定閾值 r(r>0),對每一個 i值統(tǒng)計d[Ym(i),Ym(j)]小于r的數(shù)目,記為Ami(r),并記此數(shù)目與總的距離數(shù)目N-m的比值為Bmi(r),即

    5)將序列{X(i)}按順序組成m+1維矢量,再重復1)~4),得到Bm+1i(r)和Bm+1(r).

    6)序列{X(i)}的樣本熵為

    在實際計算中,由于序列長度有限,因此最后得到序列長度為N時的樣本熵的估計值

    顯然,樣本熵的值與m、r和N有關(guān).通常取m=2,r=0.1~0.25 SD(SD 表示原始時間序列的標準差).在本文中取 m=2,r=0.2 SD,N=256.

    利用樣本熵提取腦電信號的非線性特征的具體步驟為:首先對腦電信號加滑動時間窗,以1 s長度為滑動時間窗(即128點),計算腦電信號的樣本熵,窗口每次移動一個采樣點,并計算下1 s時間窗的腦電信號的樣本熵,直到計算出最后1 s時間窗的腦電信號的樣本熵為止,從而獲得該樣本數(shù)據(jù)中腦電信號樣本熵的時間序列,然后將這一組樣本熵序列疊加平均,即獲得一組樣本數(shù)據(jù)的樣本熵.

    對左右手運動想象的FC5通道腦電信號,各選取100組樣本數(shù)據(jù)計算,得到FC5通道腦電信號的樣本熵如圖6所示.從圖6知,想象左、右手運動的腦電信號的樣本熵雖有部分重疊,但仍具有一定的區(qū)分度.由此可見,樣本熵在一定程度上能反映左、右手運動想象腦電信號的特征.

    圖6 FC5通道腦電信號的樣本熵Fig.6 The sample entropy of EEG signals of FC5channel

    對采集的FC5、FC6通道的左、右手運動想象腦電信號,用樣本熵特征提取方法可得到二維特征向量,用小波變換可得到三維特征向量,結(jié)合2種方法可得到五維特征向量,即為本文的特征提取向量.

    2.3 SVM 分類

    SVM是一種基于統(tǒng)計學習理論的模式識別方法,能有效地避免傳統(tǒng)分類方法所存在的過學習、維數(shù)災難、局部極小等問題,并且在小樣本條件下仍然具有良好的泛化能力.本文將利用SVM對左、右手運動想象腦電信號進行分類.首先選取SVM的核函數(shù),然后利用訓練樣本計算出SVM的參數(shù)(如拉格朗日乘子a、最優(yōu)超平面的法向量w和偏置值 b等),并確定判別函數(shù)f(x),最后輸入測試樣本,根據(jù)sgn(f(x))的值,輸出類別.如果sgn(f(x))為1,則判別結(jié)果為想象左手運動的腦電信號;如果sgn(f(x))為-1,則判別結(jié)果為想象右手運動的腦電信號.

    3 實驗結(jié)果分析

    在采集的150組樣本數(shù)據(jù)中,選取75組作為訓練樣本,剩下75組作為測試樣本.把用小波變換提取的三維特征向量、用樣本熵提取的二維特征向量以及兩者相結(jié)合的五維特征向量分別輸入SVM分類器中,得到不同受試者在不同的特征提取方法下的正確識別率見表2,其中SVM的核函數(shù)采用的是線性核函數(shù).

    表2 不同受試者在不同的特征提取方法下的正確識別率Table 2 The right recognition rates of different subjects using different feature extraction methods %

    從表2可以看出,在對左、右手運動想象腦電信號的識別中,使用小波變換和樣本熵相結(jié)合的特征提取算法得到的最高正確識別率為91.43%,僅使用小波變換和樣本熵得到的最高正確識別率分別為88.00%和 75.33%,而在文獻[6-7]中,僅使用 AR特征提取方法得到的最高正確識別率分別85.00%和75%.因此,使用小波變換和樣本熵相結(jié)合的特征提取算法的正確識別率明顯高于僅采用小波變換或樣本熵的特征提取算法的正確識別率,同時也高于傳統(tǒng)的使用AR特征提取方法的正確識別率.

    4 結(jié)束語

    本文提出了一種結(jié)合小波變換和樣本熵的特征提取方法.分別用小波變換和樣本熵對左、右手運動想象腦電信號進行了分析,并抽取出相應的特征組成特征向量,輸入SVM分類器中,實現(xiàn)了左、右手運動想象腦電信號的分類.研究結(jié)果表明,結(jié)合小波變換和樣本熵的特征提取算法對左右手運動想象腦電信號的正確識別率明顯高于僅采用小波變換、樣本熵以及其他傳統(tǒng)特征提取算法的正確識別率,其最高正確識別率達到91.43%.因此,該方法在BCI中具有應用價值.

    [1]MUGLERR E,BENSCH M,HALDER S,et al.Control of an internet browser using the P300 event-related potential[J].Int J Bioelectromagn,2008,10(1):56-63.

    [2]王斐,張育中,寧廷會,等.腦—機接口研究進展[J].智能系統(tǒng)學報,2011,6(3):189-199.

    WANG Fei,ZHANG Yuzhong,NING Tinghui,et al.Research progress in a brain-computer interface[J].CAAI Transactions on Intelligent Systems,2011,6(3):189-199.

    [3]TANAKA K,MATSUNAGA K,WANG H.Electroencephalogram-based control of an electric wheelchair[J].IEEE Trans Robotics,2005,21(4):762-766.

    [4]REBSAMEN B,GUAN G T,ZHANG H H,et al.A brain controlled wheelchair to navigate in familiar environments[J].IEEE Trans Neural Syst Rehabil Eng,2010,18(6):590-598.

    [5]POLAT K,GüNES S.Artificial immune recognition system with fuzzy resource allocation mechanism classifier,principal component analysis and FFT method based new hybrid automated identification system for classification of EEG signals[J].Expert System with Applications,2008,34(3):2039-2048.

    [6]徐寶國,宋愛國.單次運動想象腦電的特征提取和分類[J].東南大學學報:自然科學版,2007,37(4):629-633.

    XU Baoguo,SONG Aiguo.Feature extraction and classification of single trial motor imagery EEG[J].Journal of Southeast University:Natural Science Edition,2007,37(4):629-633.

    [7]張毅,楊柳,李敏,等.基于AR和SVM的運動想象腦電信號識別[J].華中科技大學學報:自然科學版,2011,39(suppl.2):103-106.

    ZHANG Yi,YANG Liu,LI Min,et al.Recognition of motor imagery EEG based on AR and SVM[J].Journal of Huazhong University of Science&Technology:Natural Science Edition,2011,39(suppl.2):103-106.

    [8]PFURSTCHELLER G,NEUPER C.Motor imagery and direct brain-computer communication[J].Proceedings of the IEEE,2001,89(7):1123-1134.

    [9]李明愛,王蕊,郝冬梅.想象左右手運動的腦電特征提取及分類研究[J].中國生物醫(yī)學工程學報,2009,28(2):166-170.

    LI Ming’ai,WANG Rui,HAO Dongmei.Feature extraction and classification of EEG for imagery left-right hands movement[J].Chinese Journal for Biomedical Engineering,2009,28(2):166-170.

    [10]RAFIEE J,RAFIEE M A,PRAUSE N,et al.Wavelet basis functions in biomedical signal processing[J].Expert Systems with Applications,2011,38(5):6190-6201.

    [11]徐寶國,宋愛國,費樹岷.在線腦機接口中腦電信號的特征提取與分類方法[J].電子學報,2011,39(5):1025-1030.

    XU Baoguo,SONG Aiguo,F(xiàn)EI Shumin.Feature extraction and classification of EEG in online brain-computer interface[J].Acta Electronica Sinica,2011,39(5):1025-1030.

    [12]周鵬,葛家怡,曹紅寶,等.基于樣本熵的運動想象分類研究[J].信息與控制,2008,37(2):191-196.

    ZHOU Peng,GE Jiayi,CAO Hongbao,et al.Classifica-tion of motor imagery based on sample entropy[J].Information and Control,2008,37(2):191-196.

    [13]RICHMAN J S,MOORMAN J R.Physiological time-series analysis using approximate entropy and sample entropy[J].American Journal of Physiology—Heart and Circulatory Physiology,2000,278(6):H2039-H2049.

    猜你喜歡
    電信號識別率右手
    基于聯(lián)合聚類分析的單通道腹部心電信號的胎心率提取
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    左手和右手
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關(guān)系
    基于Code Composer Studio3.3完成對心電信號的去噪
    科技傳播(2019年24期)2019-06-15 09:29:28
    舉左手還是舉右手
    幸福家庭(2019年14期)2019-01-06 09:15:24
    左手和右手
    幼兒畫刊(2018年10期)2018-10-27 05:44:36
    提升高速公路MTC二次抓拍車牌識別率方案研究
    基于隨機森林的航天器電信號多分類識別方法
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應用
    男人舔女人下体高潮全视频| 精品久久久久久久久久久久久| 尾随美女入室| 波多野结衣高清无吗| 桃红色精品国产亚洲av| 欧美另类亚洲清纯唯美| 日本熟妇午夜| 精品久久久久久,| 淫秽高清视频在线观看| xxxwww97欧美| 99热精品在线国产| 久久热精品热| 久久久久久大精品| 国产麻豆成人av免费视频| 亚洲av成人精品一区久久| 波野结衣二区三区在线| 久久精品国产亚洲av香蕉五月| av在线天堂中文字幕| 18禁黄网站禁片午夜丰满| 亚洲avbb在线观看| 日韩大尺度精品在线看网址| 十八禁国产超污无遮挡网站| 免费av观看视频| 欧美日韩国产亚洲二区| 国产精品99久久久久久久久| 老师上课跳d突然被开到最大视频| 在线播放国产精品三级| av在线老鸭窝| 美女被艹到高潮喷水动态| 欧美日本视频| 看免费成人av毛片| 在线a可以看的网站| 九九在线视频观看精品| 亚洲成人久久性| 婷婷精品国产亚洲av在线| 午夜a级毛片| 欧美精品国产亚洲| 亚洲性夜色夜夜综合| videossex国产| 久9热在线精品视频| 男人狂女人下面高潮的视频| 中文在线观看免费www的网站| 成人欧美大片| 91在线观看av| 啦啦啦韩国在线观看视频| 丰满人妻一区二区三区视频av| 久久精品久久久久久噜噜老黄 | 不卡一级毛片| av中文乱码字幕在线| 亚洲一级一片aⅴ在线观看| 久久中文看片网| 淫秽高清视频在线观看| 69人妻影院| 久久久久久久精品吃奶| 欧美色视频一区免费| 亚洲欧美激情综合另类| 一级黄片播放器| 老师上课跳d突然被开到最大视频| 99精品在免费线老司机午夜| 日本熟妇午夜| 男人舔女人下体高潮全视频| 久久国内精品自在自线图片| 国产欧美日韩精品一区二区| 亚洲精品在线观看二区| а√天堂www在线а√下载| 蜜桃亚洲精品一区二区三区| 国产乱人伦免费视频| 国产主播在线观看一区二区| 嫁个100分男人电影在线观看| 国产在视频线在精品| 小说图片视频综合网站| 日本精品一区二区三区蜜桃| 一进一出抽搐动态| 日韩欧美在线乱码| 久久国产乱子免费精品| 久久天躁狠狠躁夜夜2o2o| 在线播放国产精品三级| 国产高清视频在线播放一区| 亚洲熟妇熟女久久| 夜夜夜夜夜久久久久| 欧美日韩国产亚洲二区| 国产伦精品一区二区三区视频9| 成人午夜高清在线视频| 精品人妻一区二区三区麻豆 | 12—13女人毛片做爰片一| 国产欧美日韩精品亚洲av| 能在线免费观看的黄片| 欧美人与善性xxx| 国产精品无大码| 校园人妻丝袜中文字幕| 成人亚洲精品av一区二区| 白带黄色成豆腐渣| 免费av毛片视频| 嫩草影院新地址| 1024手机看黄色片| 一进一出抽搐动态| 欧美日韩亚洲国产一区二区在线观看| 成人二区视频| 色尼玛亚洲综合影院| 国产精品野战在线观看| 又黄又爽又免费观看的视频| 欧美一区二区精品小视频在线| 久久精品国产自在天天线| 国产精品三级大全| 97热精品久久久久久| 麻豆国产av国片精品| 亚洲av免费在线观看| 啪啪无遮挡十八禁网站| 人妻久久中文字幕网| 国产探花极品一区二区| 神马国产精品三级电影在线观看| 亚洲av成人av| 毛片女人毛片| 中文字幕免费在线视频6| 中文字幕高清在线视频| 国产高清视频在线播放一区| 亚洲18禁久久av| 久久久久九九精品影院| 最近最新中文字幕大全电影3| avwww免费| 日韩强制内射视频| 国产精品一区www在线观看 | 亚洲 国产 在线| 国产精品国产三级国产av玫瑰| 18禁裸乳无遮挡免费网站照片| 别揉我奶头 嗯啊视频| 欧美人与善性xxx| 村上凉子中文字幕在线| 国产精品女同一区二区软件 | 两个人的视频大全免费| 久久精品久久久久久噜噜老黄 | 国产高清激情床上av| 欧美日韩中文字幕国产精品一区二区三区| 亚洲精品久久国产高清桃花| 免费在线观看成人毛片| 国产又黄又爽又无遮挡在线| 欧美人与善性xxx| 老熟妇仑乱视频hdxx| 九九久久精品国产亚洲av麻豆| 欧美一区二区亚洲| 国产亚洲av嫩草精品影院| 免费看av在线观看网站| 亚洲三级黄色毛片| 国产精品1区2区在线观看.| 一区二区三区激情视频| 我的老师免费观看完整版| 午夜福利高清视频| 美女大奶头视频| 一级a爱片免费观看的视频| 亚洲成av人片在线播放无| 搞女人的毛片| 成人av在线播放网站| 中文字幕精品亚洲无线码一区| 亚洲av免费高清在线观看| 一区福利在线观看| АⅤ资源中文在线天堂| 国产av在哪里看| 最近最新中文字幕大全电影3| 天天躁日日操中文字幕| 网址你懂的国产日韩在线| 亚洲中文字幕日韩| 麻豆久久精品国产亚洲av| 男女做爰动态图高潮gif福利片| 免费观看人在逋| 韩国av在线不卡| 日韩大尺度精品在线看网址| 欧美日韩综合久久久久久 | 亚洲av免费在线观看| 中国美女看黄片| 亚洲人成网站在线播| 一个人看视频在线观看www免费| 神马国产精品三级电影在线观看| 精品久久国产蜜桃| 别揉我奶头~嗯~啊~动态视频| 精品久久久噜噜| 国产极品精品免费视频能看的| 国内揄拍国产精品人妻在线| 热99re8久久精品国产| 国内精品一区二区在线观看| 麻豆国产97在线/欧美| 干丝袜人妻中文字幕| 亚洲专区国产一区二区| 亚洲狠狠婷婷综合久久图片| 最近最新中文字幕大全电影3| 波多野结衣高清无吗| 亚洲黑人精品在线| 尾随美女入室| 精品乱码久久久久久99久播| 欧美成人免费av一区二区三区| 国产午夜福利久久久久久| 久久久久久大精品| 精品久久久久久久久久免费视频| 亚洲精品成人久久久久久| 亚洲av免费高清在线观看| 国产伦在线观看视频一区| 久久久久久伊人网av| 国产成人aa在线观看| 内射极品少妇av片p| 国产精品,欧美在线| 久久久久性生活片| 日本黄大片高清| 我要搜黄色片| 日日夜夜操网爽| www日本黄色视频网| 国内精品宾馆在线| 国产精品国产高清国产av| 国产av不卡久久| 成熟少妇高潮喷水视频| 欧美又色又爽又黄视频| 毛片女人毛片| 亚洲专区国产一区二区| 男女之事视频高清在线观看| 麻豆一二三区av精品| 久久亚洲精品不卡| 免费看av在线观看网站| 动漫黄色视频在线观看| 欧美在线一区亚洲| 在线国产一区二区在线| 日韩欧美三级三区| 校园春色视频在线观看| 神马国产精品三级电影在线观看| 午夜精品在线福利| 国产黄片美女视频| 一级毛片久久久久久久久女| 99热精品在线国产| 国产91精品成人一区二区三区| 很黄的视频免费| 亚洲专区国产一区二区| 一夜夜www| 欧美最黄视频在线播放免费| 久久久久久伊人网av| 国产日本99.免费观看| 国产高清不卡午夜福利| а√天堂www在线а√下载| 亚洲三级黄色毛片| 亚洲av.av天堂| 美女高潮的动态| av.在线天堂| 免费大片18禁| 欧美最黄视频在线播放免费| 国产私拍福利视频在线观看| 欧美日韩亚洲国产一区二区在线观看| 一边摸一边抽搐一进一小说| 91在线观看av| 色哟哟·www| 国产久久久一区二区三区| 日韩欧美国产一区二区入口| 99在线视频只有这里精品首页| 老熟妇乱子伦视频在线观看| 校园人妻丝袜中文字幕| 窝窝影院91人妻| www.色视频.com| 日本撒尿小便嘘嘘汇集6| 全区人妻精品视频| 麻豆国产97在线/欧美| 热99re8久久精品国产| 国产探花极品一区二区| 日韩精品有码人妻一区| 亚洲五月天丁香| 别揉我奶头 嗯啊视频| 又紧又爽又黄一区二区| 久久99热这里只有精品18| 久久午夜亚洲精品久久| 欧美高清成人免费视频www| avwww免费| 最近在线观看免费完整版| 人人妻人人看人人澡| 2021天堂中文幕一二区在线观| 两个人视频免费观看高清| 久久精品国产鲁丝片午夜精品 | 久久久久久久午夜电影| 国产成人av教育| 免费看光身美女| 久久99热这里只有精品18| 久久久国产成人免费| 午夜视频国产福利| 亚洲真实伦在线观看| 亚洲av一区综合| 亚洲欧美精品综合久久99| .国产精品久久| 深夜精品福利| 久99久视频精品免费| 欧美绝顶高潮抽搐喷水| 悠悠久久av| 免费不卡的大黄色大毛片视频在线观看 | 日本黄色片子视频| 免费人成在线观看视频色| 波野结衣二区三区在线| 国产男人的电影天堂91| 国产淫片久久久久久久久| 中文字幕av在线有码专区| 国产三级中文精品| 国产男人的电影天堂91| 久久九九热精品免费| 草草在线视频免费看| 亚洲精品国产成人久久av| 69人妻影院| 日本三级黄在线观看| 欧美日韩综合久久久久久 | 嫩草影院精品99| 中出人妻视频一区二区| 网址你懂的国产日韩在线| 天堂动漫精品| 久久久久性生活片| 少妇高潮的动态图| 国产精品,欧美在线| 国产人妻一区二区三区在| 欧美激情国产日韩精品一区| 午夜a级毛片| 国产亚洲欧美98| 国产乱人视频| 国内精品宾馆在线| 午夜福利在线观看免费完整高清在 | av中文乱码字幕在线| 成人av在线播放网站| 亚洲电影在线观看av| 少妇猛男粗大的猛烈进出视频 | 窝窝影院91人妻| 亚洲一级一片aⅴ在线观看| 欧洲精品卡2卡3卡4卡5卡区| 最新中文字幕久久久久| 午夜福利成人在线免费观看| 国产一区二区在线观看日韩| 人妻久久中文字幕网| 国产三级在线视频| 亚洲成a人片在线一区二区| 老熟妇仑乱视频hdxx| 国内精品宾馆在线| 麻豆久久精品国产亚洲av| 日本一二三区视频观看| 亚洲第一区二区三区不卡| www.www免费av| 欧美不卡视频在线免费观看| 夜夜爽天天搞| 亚洲av二区三区四区| 国产高清有码在线观看视频| 国产毛片a区久久久久| 少妇裸体淫交视频免费看高清| 看黄色毛片网站| 哪里可以看免费的av片| 大又大粗又爽又黄少妇毛片口| 久久中文看片网| 欧美国产日韩亚洲一区| 日韩欧美一区二区三区在线观看| 国产精品永久免费网站| 他把我摸到了高潮在线观看| 午夜久久久久精精品| 久久婷婷人人爽人人干人人爱| 欧美成人免费av一区二区三区| 深夜a级毛片| xxxwww97欧美| 日韩欧美精品v在线| 麻豆精品久久久久久蜜桃| av在线蜜桃| 免费观看的影片在线观看| 国产亚洲精品久久久久久毛片| 毛片一级片免费看久久久久 | 综合色av麻豆| 在线播放无遮挡| 国产一区二区三区在线臀色熟女| av在线亚洲专区| 亚洲狠狠婷婷综合久久图片| 国产伦在线观看视频一区| 99九九线精品视频在线观看视频| 国产成人一区二区在线| 男女之事视频高清在线观看| 特级一级黄色大片| 亚洲七黄色美女视频| 在线播放无遮挡| 久久久久久久久久黄片| 中出人妻视频一区二区| 干丝袜人妻中文字幕| 久久草成人影院| 国产白丝娇喘喷水9色精品| 国产伦精品一区二区三区视频9| 在现免费观看毛片| 久久久久久久久中文| avwww免费| bbb黄色大片| 亚洲av二区三区四区| 亚洲av日韩精品久久久久久密| 亚洲久久久久久中文字幕| 91久久精品电影网| 亚洲av熟女| 可以在线观看毛片的网站| 成人国产麻豆网| 51国产日韩欧美| 一区二区三区激情视频| 精品免费久久久久久久清纯| 亚洲av免费在线观看| 精品无人区乱码1区二区| 日本成人三级电影网站| 美女cb高潮喷水在线观看| 亚洲第一区二区三区不卡| 在现免费观看毛片| 久久精品人妻少妇| 成年免费大片在线观看| 色噜噜av男人的天堂激情| 欧洲精品卡2卡3卡4卡5卡区| 亚洲一级一片aⅴ在线观看| 淫妇啪啪啪对白视频| 久久精品影院6| 天堂av国产一区二区熟女人妻| 久久久久久大精品| 熟妇人妻久久中文字幕3abv| 啪啪无遮挡十八禁网站| 成人特级黄色片久久久久久久| 国产精华一区二区三区| 精品人妻偷拍中文字幕| 日本黄色片子视频| avwww免费| 国产av一区在线观看免费| 高清日韩中文字幕在线| 国产精品电影一区二区三区| 亚洲性夜色夜夜综合| 内射极品少妇av片p| 女人十人毛片免费观看3o分钟| 亚洲av二区三区四区| 高清毛片免费观看视频网站| 老熟妇仑乱视频hdxx| 99热6这里只有精品| 亚洲美女黄片视频| 亚洲美女搞黄在线观看 | 久久久久久久午夜电影| 伦精品一区二区三区| 一区二区三区四区激情视频 | 欧美激情国产日韩精品一区| 久久亚洲真实| 精品一区二区三区视频在线观看免费| 乱系列少妇在线播放| 亚洲精品在线观看二区| 色av中文字幕| 国产精品,欧美在线| 中文字幕久久专区| 欧美性猛交╳xxx乱大交人| 一个人看视频在线观看www免费| 丝袜美腿在线中文| 久久精品91蜜桃| 国产真实乱freesex| 波多野结衣高清无吗| 男人狂女人下面高潮的视频| 精品一区二区免费观看| 精品久久久噜噜| 欧美性猛交黑人性爽| 国产成人一区二区在线| 中亚洲国语对白在线视频| 欧美三级亚洲精品| 狂野欧美白嫩少妇大欣赏| av在线观看视频网站免费| 精品午夜福利视频在线观看一区| 日韩欧美一区二区三区在线观看| 国产探花在线观看一区二区| 偷拍熟女少妇极品色| 欧美激情久久久久久爽电影| 禁无遮挡网站| 国产高清不卡午夜福利| 男女之事视频高清在线观看| 精品久久久久久久人妻蜜臀av| 国产免费av片在线观看野外av| 51国产日韩欧美| av天堂中文字幕网| 欧美在线一区亚洲| 欧美人与善性xxx| 国产黄色小视频在线观看| 亚洲精华国产精华液的使用体验 | 联通29元200g的流量卡| 91狼人影院| 国产av在哪里看| 久久国内精品自在自线图片| 欧美激情久久久久久爽电影| 日韩强制内射视频| 亚洲在线自拍视频| 99久久精品热视频| 免费人成在线观看视频色| 少妇丰满av| 女人被狂操c到高潮| 波多野结衣高清无吗| av女优亚洲男人天堂| 动漫黄色视频在线观看| 国模一区二区三区四区视频| 欧美区成人在线视频| 久99久视频精品免费| 美女大奶头视频| 老师上课跳d突然被开到最大视频| 长腿黑丝高跟| 两性午夜刺激爽爽歪歪视频在线观看| 嫁个100分男人电影在线观看| 成人毛片a级毛片在线播放| 女人被狂操c到高潮| 九九久久精品国产亚洲av麻豆| 大又大粗又爽又黄少妇毛片口| av在线天堂中文字幕| 国产黄片美女视频| 精品人妻熟女av久视频| 少妇被粗大猛烈的视频| 国产在视频线在精品| 欧美日韩中文字幕国产精品一区二区三区| 人妻制服诱惑在线中文字幕| 国产精华一区二区三区| 日本与韩国留学比较| 尤物成人国产欧美一区二区三区| 亚洲av日韩精品久久久久久密| 人妻制服诱惑在线中文字幕| 精品欧美国产一区二区三| 人人妻,人人澡人人爽秒播| 免费黄网站久久成人精品| 免费高清视频大片| 熟妇人妻久久中文字幕3abv| 禁无遮挡网站| 亚洲自拍偷在线| 天堂影院成人在线观看| 丰满乱子伦码专区| 国产精品1区2区在线观看.| 乱系列少妇在线播放| 欧美日韩精品成人综合77777| 亚洲人成网站高清观看| 欧美性感艳星| 又黄又爽又免费观看的视频| 亚洲国产精品成人综合色| 免费在线观看日本一区| 又黄又爽又免费观看的视频| 观看美女的网站| 国产成人一区二区在线| 超碰av人人做人人爽久久| 国产精品亚洲美女久久久| 欧美一区二区亚洲| 色综合婷婷激情| 天堂动漫精品| 国产成人a区在线观看| 国产精品一区二区三区四区久久| av在线老鸭窝| 国产男人的电影天堂91| 欧美一级a爱片免费观看看| 久久人人爽人人爽人人片va| 欧美潮喷喷水| 日韩强制内射视频| 成人高潮视频无遮挡免费网站| av视频在线观看入口| 国产白丝娇喘喷水9色精品| 男女视频在线观看网站免费| 三级男女做爰猛烈吃奶摸视频| 午夜免费激情av| 动漫黄色视频在线观看| 精品一区二区三区视频在线| 精品人妻偷拍中文字幕| 久久精品国产亚洲网站| 日本与韩国留学比较| 特大巨黑吊av在线直播| 午夜福利欧美成人| 久久久久久久久久久丰满 | 在线观看美女被高潮喷水网站| 中文字幕av在线有码专区| 亚洲av第一区精品v没综合| 日本黄大片高清| 色av中文字幕| 久久精品综合一区二区三区| 国产高清不卡午夜福利| 色视频www国产| 欧美黑人欧美精品刺激| 人妻制服诱惑在线中文字幕| 久99久视频精品免费| 国产高清激情床上av| 日韩欧美在线乱码| 高清毛片免费观看视频网站| 精品人妻视频免费看| 精品久久久噜噜| 欧美激情在线99| 久久精品人妻少妇| 日韩欧美国产在线观看| 极品教师在线免费播放| 午夜福利在线观看免费完整高清在 | 丰满乱子伦码专区| 99视频精品全部免费 在线| 成人鲁丝片一二三区免费| 亚洲熟妇中文字幕五十中出| 欧美不卡视频在线免费观看| 一级黄片播放器| 国产精品国产三级国产av玫瑰| 搞女人的毛片| 精品人妻熟女av久视频| 久久久久久伊人网av| 国产精品99久久久久久久久| av女优亚洲男人天堂| 草草在线视频免费看| 亚洲精品日韩av片在线观看| 免费黄网站久久成人精品| 九九热线精品视视频播放| 日本成人三级电影网站| 麻豆av噜噜一区二区三区| 日韩欧美三级三区| 亚洲va日本ⅴa欧美va伊人久久| 国产淫片久久久久久久久| 午夜a级毛片| 欧美高清成人免费视频www| 最后的刺客免费高清国语| 亚洲成人精品中文字幕电影| 人妻丰满熟妇av一区二区三区| 欧美在线一区亚洲| 此物有八面人人有两片| 观看免费一级毛片| 最近中文字幕高清免费大全6 | 久久天躁狠狠躁夜夜2o2o| 国产av在哪里看| 亚洲欧美日韩高清在线视频| 欧美成人性av电影在线观看| 成人毛片a级毛片在线播放| 久久久久久久久久久丰满 | 国产成人a区在线观看| 日韩av在线大香蕉| 亚洲真实伦在线观看| 中文字幕久久专区| 欧美xxxx黑人xx丫x性爽| 国产午夜精品久久久久久一区二区三区 | 免费看日本二区| 色综合站精品国产|