• <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 ?

    IMF復雜度特征在心音信號分類識別中的應用

    2013-08-30 10:00:32郭興明黃林洲
    計算機工程與應用 2013年21期
    關鍵詞:心音復雜度分量

    郭興明,黃林洲

    GUO Xingming,HUANG Linzhou

    重慶大學 生物工程學院,重慶市醫(yī)療電子技術工程研究中心,重慶 400030

    College of Bioengineering,Chongqing Engineering Research Center for Medical Electronics Technology,Chongqing University,Chongqing 400030,China

    心音識別一直是心音分析診斷領域難度較大的研究課題,旨在根據(jù)不同心音信號特征來判定所屬疾病類型。Yoganathan通過快速傅里葉變換對心音進行分析發(fā)現(xiàn),由于生理、病理或者自然環(huán)境的影響,心音信號常表現(xiàn)為非線性、非平穩(wěn)特性[1]。目前,常用心音信號分析[2-3]和特征提取方法[4-5]主要從時域、頻域、時頻域聯(lián)合分析,具體表現(xiàn)為:時域分析提取心音信號的包絡;頻域分析得到心音頻率成分和功率譜信息;通過小波、小波包、希-黃變換等方法對信號進行時-頻分析,獲取時間和頻率的聯(lián)合函數(shù)來量化心音信號。總結比較上述方法,其本質(zhì)上都存在線性穩(wěn)態(tài)缺陷,心音分析過程不是自適應的,不能準確量化心音信號非線性、非平穩(wěn)性本質(zhì)特征。而Kumar等對心音各頻段的混沌分析表明:心音的非線性特征分量比線性特征分量具有更好的特異性,有利于心音識別[6]。

    經(jīng)驗模式分解(Empirical Mode Decomposition,EMD)是一種新的信號自適應分析方法,可根據(jù)信號的局部時變性將信號分解成多個平的固有模態(tài)函數(shù)(Intrinsic Mode Function,IMF),從而減少信號特征信息的干涉或耦合,利于深層次信息挖掘。故利用EMD對心音信號進行分解,再從IMF分量中提取特征信息(如瞬時頻率、關聯(lián)維數(shù)等)更能反映心音的本質(zhì)。復雜度是反映時間序列隨長度的增加出現(xiàn)新模式的速度,能夠定量反映系統(tǒng)狀態(tài)變換情況,廣泛地用于肌電信號模式識別[7]、共振特征描述[8]和腦電特征分析[9]等領域。復雜度對系統(tǒng)的狀態(tài)變化敏感,故有利于特征的提取。

    本文采用EMD方法將非平穩(wěn)心音信號分解成若干平穩(wěn)的IMF分量,并利用互相關系數(shù)準則去除噪聲和虛假分量,計算所篩選IMF分量的非線性復雜度值,實現(xiàn)心音信號特征向量的有效提取,然后利用BT-SVM實現(xiàn)病理心音識別。最后以臨床采集的數(shù)據(jù)為例,驗證了該方法的有效性。

    1 基本原理與算法

    1.1 EMD算法

    EMD是Huang等人在總結了瞬時頻率有實際物理意義的分量應滿足條件的基礎上,提出的一種能將非平穩(wěn)的信號分解成若干平穩(wěn)IMF分量的信號處理方法。其算法如下:

    步驟1確定原始信號x(t)的局部極值點,通過三次樣條函數(shù)擬合出上包絡線和下包絡線umax(t)和umin(t),得到其局部均值s(t)。

    步驟2計算差值h(t)=x(t)-s(t),如h(t)不滿足IMF的條件,即h(t)為新的原始信號,重復步驟1,直到hk(t)滿足IMF的條件為止。

    K值由循環(huán)終止閾值標準差SD決定。

    其中,N為序列的長度,SD因不同長度、不同性質(zhì)的信號決定。

    步驟3得到第一個IMF分量C1=h1k(t)和余項R1(t)。

    步驟4將R1(t)作為新的原始信號,重復步驟1~3,得到所有IMF為C1,C2,…,Cn直到Rn(t)基本呈單調(diào)趨勢或者|Rn(t)|趨于零時停止,此時原始信號x(t)可表示為:

    式中Ci(t)為第i個IMF分量,Rn(t)為殘余分量。

    1.2 復雜度算法

    LZ復雜度是Lemple和Ziv提出的一種度量非線性序列復雜程度的方法,非常適用于時間序列的非線性復雜度特征提取。為提高算法實效性,先對信號進行二值化,設某序列 P=S1,S2,…,Sn,定義P序列的子序列 S、Q和S、Q的合并序列SQ。SQ_min us是將SQ的合并序列的最后一個元素刪除后剩余的序列。其算法如下:

    步驟1初始化,設定復雜度c(n)=1,S=S1,Q=S2,SQ=S1S2,R=S1。

    步驟2判斷Q是否是SQ_min us的子集,若是,轉步驟3,若不是,轉步驟4。

    步驟3 c(n)不變,S不變,Q往后多取一位,繼續(xù)步驟2。

    步驟4 c(n)=c(n)+1,SQ作為新的S,SQ后的第一個字符作為新的Q,繼續(xù)步驟2,直到Q取到最后,此時的c(n)值為該段序列的復雜度。進而計算其相對復雜度C(n),即C(n)=(c(n)×lb n)/n。

    可見,LZ復雜度值反映了序列隨長度增加而產(chǎn)生新模式的速度,即序列復雜度越大,產(chǎn)生新變化的速率越大,表明數(shù)據(jù)變化是無序復雜的。反之,復雜度越小,則說明產(chǎn)生新變化的速率越慢,數(shù)據(jù)變化是趨于規(guī)律的。因此,復雜度能描述出序列的變化特性,可作為信號系統(tǒng)的狀態(tài)的特征參數(shù)。

    1.3 支持向量機

    SVM源于Vapnik提出用于解決模式識別問題的機器學習方法,基本思想[10]是根據(jù)結構風險的最小化原則,在拉格朗日乘子和最優(yōu)化條件(Karush-Kuhn-Tucker,KKT)下,先使用內(nèi)積函數(shù)定義的非線性變換將輸入空間變換到一個高維空間,然后在這個空間中構建獨立的最優(yōu)超平面。其分類函數(shù)為:

    其中,sign為符號函數(shù),w為分類超平面法向量,K(x,xi)為核函數(shù),b為最優(yōu)超平面的位置。

    相對于非線性函數(shù)逼近方法,SVM具有更強的泛化能力,并克服了神經(jīng)網(wǎng)絡中網(wǎng)絡結構難以確定和不可避免的局部最小值問題,具有解決小樣本,高維模式識別問題的優(yōu)勢,近年來被廣泛用于分類、函數(shù)逼近和時間序列預測等方面[11-13]。

    SVM主要針對2分類情況,而現(xiàn)實中往往需進行多類型識別,因此先需要將多類轉化為兩種分類問題。通常采用組合分類器方式來實現(xiàn),主要有一對多、一對一、決策導向無環(huán)圖等,但它們都有一定的不足[14]。目前,二叉樹SVM應用較多,它不僅克服了不可分問題,對k類問題只需要構造k-1個2類分類器,且重復訓練樣本少,從而節(jié)省訓練和測試時間。因此,本文選用此方法。

    2 基于IMF復雜度特征和BT-SVM的心音識別方法

    本文先對心音信號進行EMD分解,得到若干IMF分量,并利用互相關系數(shù)準則對其篩選,計算所篩選IMF分量的非線性復雜度值,并組成特征向量輸入至BT-SVM進行心音的分類識別,如圖1所示。

    圖1 EMD復雜度結合SVM的心音識別示意圖

    具體步驟如下:

    (1)由于心音臨床采集過程中不可避免地引入噪聲,為有效提取心音特征,首先使用小波閾值法去除噪聲,以減少EMD分解次數(shù),從而減少由于多次分解帶來的端點效應累積誤差。

    (2)對經(jīng)過消噪的心音信號進行EMD分解,得到若干IMF和余項。通過對IMF分量的特征提取就可以得到原信號的特征。

    (3)不同的心音信號EMD分解后會得到不同個數(shù)的IMF,由于噪聲和虛假分量的存在,故需對其進行篩選。根據(jù)概率統(tǒng)計中互相關系數(shù)概念,各IMF分量與原心音信號的相關性較大,而噪聲分量和虛假分量與原心音信號的相關性很小。因此,計算各IMF分量與原信號的互相關系數(shù)對真實IMF進行篩選。

    (4)計算篩選后真實IMF分量的LZ復雜度值為信號的非線性復雜度特征,然后將其組成特征向量,輸入到BT-SVM進行心音分類識別。

    3 實驗及分析3.1 實驗數(shù)據(jù)

    采用重慶博精醫(yī)學信息研究所研制的“運動心力監(jiān)測儀”(ECCM,專利號01256971.2,第一代產(chǎn)品注冊證號:渝藥管械(試)字99第220007)在重慶醫(yī)科大學附屬醫(yī)院采集的心音樣本來驗證該方法的有效性。包括19例二尖瓣狹窄(MS)、15例主動脈瓣狹窄(AS)、14例室間隔缺損(VSD)和48例正常心音(NHS)。記錄數(shù)據(jù)時,將心音傳感器置于受試者心尖區(qū),同時要求受試者保持勻速,平靜呼吸,采樣頻率是11.025 kHz,量化值為8 bit,采集的信號最終以wav格式進行保存。全部病理數(shù)據(jù)都是經(jīng)過專家確診的單一性病例,健康人群均無心血管和家族病史。

    3.2 心音信號預處理

    由于心音采集時不可避免地引入各種噪聲,本文采用時間局部性好,能量集中度高的db7小波和基于Stein無偏似然估計的rigrsure閾值方法對臨床采集的心音信號進行消噪。圖2為一例消噪前的正常心音信號。

    圖2 原始的心音信號和db7小波消噪對比

    由圖2可知,此消噪方法能較好地保留心音主要成分,減少毛刺等高頻信號對波形的干擾,濾波效果較好,利于特征參數(shù)提取。

    3.3 心音信號特征提取

    對預處理后的心音信號進行EMD分解,得到n階IMF分量Ci(t)(i=1,2,…,n)。圖3表示為一例消噪后的正常心音信號EMD分解。

    圖3 正常心音信號EMD分解結果

    從圖3可見,EMD把非平穩(wěn)的正常心音信號分解成了11個IMF分量和1個殘余分量,不同的IMF分量包含了不同的時間尺度。用互相關準則計算各IMF分量與原始信號的互相關系數(shù),分析多次平均后的計算結果表明IMF2~IMF6分量與原始心音信號的相關性較大,其他高階IMF分量與原始心音信號的互相關系數(shù)皆在0.01或更小的數(shù)量級。因此分別對上述三種異常病理信號和正常信號進行EMD分解,并計算原信號和IMF2~IMF6分量的LZ復雜度,如表1所示,然后選用IMF2~IMF6分量的LZ復雜度值作為SVM的輸入特征向量記為 X=(X1,X2,X3,X4,X5)。

    由表1可知,EMD分解后每階IMF分量的LZ復雜度不同且各具特點,從而揭示各自的本質(zhì)特征和不同非線性產(chǎn)生機理,隨著分解層數(shù)的增加,LZ復雜度呈遞減趨勢,反映了非平穩(wěn)信號EMD分解本質(zhì)。相比三類異常病理信號,正常信號的復雜度值最低,說明相對于正常的心音信號,異常病理信號較復雜,表明其非線性非平穩(wěn)性更強。

    3.4 SVM識別網(wǎng)絡

    針對3類病理心音在內(nèi)的四種心音樣本,建立3個BTSVM,按最優(yōu)分類函數(shù)進行分類,如圖4分類流程圖所示,組成四種狀態(tài)的多分類支持向量機。

    在選擇SVM進行狀態(tài)識別時,核函數(shù)的好壞直接影響分類器的性能。本實驗選取徑向基核函數(shù)(Radial Basic Function,RBF),因為其更符合特征提取的要求,即不同類別樣本在特征空間的距離盡可能大,同一類別樣本間距離盡可能小。徑向基核函數(shù)有兩個參數(shù)Gamma和懲罰因子C,其大小決定了模型的復雜性和訓練誤差。為得到最優(yōu)的分類器,本文使用舍一交叉驗證法[15](n-fold cross validation)確定兩參數(shù)Gamma和懲罰因子C,對于給定的每一個參數(shù)對(Gamma,C),均進行10次交叉驗證,在Matlab中選擇svmtrain函數(shù)對訓練集分割成10份,其中的9份作為訓練集,剩下的1份做測試集,將每次測試的結果取平均值作為該參數(shù)對的指標,最后選擇指標最高的一組參數(shù)對作為最終的最優(yōu)參數(shù)。經(jīng)確定(Gamma,C)為(2,2)時的分類準確率最高。

    表1 信號及IMF復雜度分布

    圖4 BT-SVM分類流程圖

    4 實驗結果與討論

    為比較SVM和常用識別網(wǎng)絡識別效果,按不同的數(shù)量樣本(訓練集樣本∶測試集樣本)測試其性能,結果如表2所示。實驗硬件平臺為戴爾Precision T7500,CPU為Xeon X5670,主頻 2.93 GHz,內(nèi)存為 ECC DDR3,大小為 4 GB。軟件平臺為Microsoft Windows XP下的Matlab7.1版本,算法運行時間通過Matlab中提供的“tic、toc”獲得。

    表2 不同分類器識別結果對比圖

    由表2可知,無論在耗時還是識別率上,SVM都具有很大的優(yōu)勢,特別是訓練樣本較少時表現(xiàn)出了高識別率。另外,當使用BP神經(jīng)網(wǎng)絡時發(fā)現(xiàn),當誤差指標是0.01時,訓練樣本方案選擇4∶1時其識別率為90.84%,但同樣當誤差指標為0.05時,分類準確率為82.75%,這說明此時BP神經(jīng)網(wǎng)絡已經(jīng)出現(xiàn)過學習的情況。

    5 結束語

    心音信號是一種高度非線性、非平穩(wěn)信號,本文提出一種基于IMF復雜度和BT-SVM的心音分類識別方法。臨床試驗數(shù)據(jù)仿真表明,EMD能將非平穩(wěn)信號自適應分解成平穩(wěn)的IMF分量,從而突出心音的局部特征。非線性LZ復雜度值反映了不同尺度下心音信號變化的不規(guī)則性和復雜性,從而有效提取心音特征,為分類識別提供依據(jù)。相比傳統(tǒng)的識別網(wǎng)絡,BT-SVM較好地節(jié)省了訓練時間,從而快速有效地實現(xiàn)心音信號識別。因此,該方法能有效地提高非線性、非平穩(wěn)心音信號特征提取的準確性和分類識別的高效性,對進一步實現(xiàn)心臟疾病的無創(chuàng)診斷具有重要的參考價值。

    [1]Yoganathan.Use of fast fourier transform for frequency analysis of the first heart sound in normal man[J].Med Biol Eng,1976,14:69-72.

    [2]張國華,袁中凡,李彬彬.心音信號特征提取小波包算法研究[J].振動與沖擊,2008,27(7):47-49.

    [3]Rakovic,Sejdic E,Stankovic L J,et al.Time-frequeceny signal processing approaches with applications to heart sound analysis[J].Computers in Cardiology,2006,33:197-200.

    [4]Debbal S M,Bereksi-Reguig F.Computerized heart sounds analysis[J].Computers in Biology and Medicine,2008,38:263-280.

    [5]Maglogiannis,Loukis,Zafiropoulo.Support vectors machine based identification of heart valve diseases using heart sounds[J].Computer Methods and Programs in Biomedical,2009,95(1):47-61.

    [6]Kumar,Carvalho P,Antune S M.Discrimination of heart sounds using choas analysis in various subbands[C]//Proc of the 2nd International Conference on Bio-inspired Systems and Signal Processing BIOSIGNALS,2009:369-375.

    [7]崔建國,李忠海,張大千,等.復雜性測度在肌電信號模式識別中的應用[J].計算機工程與應用,2006,42(11):195-197.

    [8]孫斌,周云龍,鐘金山.基于復雜度特征的氣液兩相流流型識別方法[J].化學工程,2008,36(4):27-30.

    [9]張勝,喬世妮,王蔚.抑郁癥患者腦電復雜度的小波熵分析[J].計算機工程與應用,2012,48(4):143-145.

    [10]Vapnik V.The nature of statistical learning theory[M].New York:Springer-Verlag,1995.

    [11]Chen N Y,Lu W C,Yang J,et al.Support Vector Machine in chemistry[M].Singapore:World Scientific Publishing Company,2004:24-30.

    [12]王凱,張永祥.遺傳算法和支持向量機在機械故障中的應用[J].機械強度,2008,30(3):349-353.

    [13]崔建國,李一波,李忠海,等.基于小波包與支持向量機的復雜信號模式識別[J].數(shù)據(jù)采集和處理,2008,23(2):163-168.

    [14]朱學冬,胡平.基于最優(yōu)二叉樹的多故障分類器的設計[J].北京聯(lián)合大學學報:自然科學版,2009,23(2):26-29.

    [15]李峰,湯寶華,章國穩(wěn).基于舍一交叉驗證優(yōu)化最小二乘支持向量機的故障診斷模型[J].振動與沖擊,2010,29(9):170-174.

    猜你喜歡
    心音復雜度分量
    帽子的分量
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    一種低復雜度的慣性/GNSS矢量深組合方法
    論《哈姆雷特》中良心的分量
    基于雙閾值的心音快速分段算法及其應用研究
    雙聲道心音能量熵比的提取與識別研究
    分量
    求圖上廣探樹的時間復雜度
    基于香農(nóng)熵的心音信號檢測方法研究
    某雷達導51 頭中心控制軟件圈復雜度分析與改進
    国产精品一区二区三区四区免费观看 | 亚洲久久久久久中文字幕| 国产成人aa在线观看| 亚洲一区二区三区色噜噜| 免费人成在线观看视频色| 国产精品亚洲美女久久久| 757午夜福利合集在线观看| 日韩欧美 国产精品| 亚洲美女黄片视频| 琪琪午夜伦伦电影理论片6080| 免费搜索国产男女视频| 亚洲成a人片在线一区二区| 久久久精品大字幕| 在线天堂最新版资源| 成人一区二区视频在线观看| 国产午夜福利久久久久久| 久久久久久久亚洲中文字幕 | 欧美国产日韩亚洲一区| 色吧在线观看| 日韩欧美 国产精品| 欧美日本亚洲视频在线播放| 亚洲av日韩精品久久久久久密| 午夜免费激情av| 老司机午夜福利在线观看视频| 免费人成在线观看视频色| 亚洲 欧美 日韩 在线 免费| 国产精品免费一区二区三区在线| 日韩欧美精品免费久久 | 亚洲,欧美精品.| 91久久精品国产一区二区成人| 性欧美人与动物交配| 赤兔流量卡办理| 在线观看免费视频日本深夜| 亚洲综合色惰| 青草久久国产| 亚洲在线观看片| 免费av不卡在线播放| 久久国产乱子免费精品| 亚洲aⅴ乱码一区二区在线播放| 日本黄色片子视频| 久久精品国产亚洲av涩爱 | 亚洲精品粉嫩美女一区| 一a级毛片在线观看| 亚洲精品亚洲一区二区| 在线天堂最新版资源| 日本成人三级电影网站| 国内精品久久久久久久电影| 99久久无色码亚洲精品果冻| 国产黄色小视频在线观看| 舔av片在线| 久久久国产成人免费| 午夜久久久久精精品| 少妇高潮的动态图| 亚洲av五月六月丁香网| 啦啦啦观看免费观看视频高清| 不卡一级毛片| 乱码一卡2卡4卡精品| 最后的刺客免费高清国语| 久久久久国产精品人妻aⅴ院| 国产精品亚洲美女久久久| 成人亚洲精品av一区二区| 日本 欧美在线| 波野结衣二区三区在线| 日韩欧美一区二区三区在线观看| 99国产极品粉嫩在线观看| 中文字幕av成人在线电影| 黄色丝袜av网址大全| 天堂影院成人在线观看| 久久久久精品国产欧美久久久| 亚洲国产色片| 97热精品久久久久久| 久久草成人影院| 能在线免费观看的黄片| 中国美女看黄片| 国产中年淑女户外野战色| 免费人成视频x8x8入口观看| 色综合站精品国产| а√天堂www在线а√下载| 97热精品久久久久久| 欧美一区二区国产精品久久精品| 我要看日韩黄色一级片| 亚洲人成电影免费在线| 亚洲片人在线观看| 免费电影在线观看免费观看| 一级a爱片免费观看的视频| 草草在线视频免费看| 人妻夜夜爽99麻豆av| 看黄色毛片网站| 中出人妻视频一区二区| 国内精品久久久久久久电影| 国产精品三级大全| 久久6这里有精品| 别揉我奶头~嗯~啊~动态视频| 久久精品国产亚洲av天美| 黄色一级大片看看| 亚洲第一区二区三区不卡| 久久国产精品人妻蜜桃| 免费av不卡在线播放| 又黄又爽又刺激的免费视频.| 18禁黄网站禁片午夜丰满| 99国产精品一区二区蜜桃av| 最近视频中文字幕2019在线8| 18禁裸乳无遮挡免费网站照片| 欧美黄色淫秽网站| 在线观看66精品国产| 精品人妻视频免费看| 国产伦人伦偷精品视频| 午夜久久久久精精品| 色哟哟哟哟哟哟| 成人av一区二区三区在线看| 亚洲18禁久久av| 午夜精品在线福利| 淫妇啪啪啪对白视频| 色哟哟哟哟哟哟| 他把我摸到了高潮在线观看| 国产伦人伦偷精品视频| 天堂影院成人在线观看| 亚洲经典国产精华液单 | 国产黄色小视频在线观看| 亚洲欧美精品综合久久99| 日日夜夜操网爽| 小蜜桃在线观看免费完整版高清| 日韩精品青青久久久久久| 亚洲狠狠婷婷综合久久图片| 在线观看美女被高潮喷水网站 | 久久中文看片网| 久久欧美精品欧美久久欧美| 内地一区二区视频在线| 亚洲最大成人中文| 亚洲乱码一区二区免费版| 51午夜福利影视在线观看| 成人av在线播放网站| 看黄色毛片网站| 91久久精品电影网| 最近视频中文字幕2019在线8| 国产成人aa在线观看| 亚洲第一电影网av| 免费在线观看影片大全网站| 日本精品一区二区三区蜜桃| 久久精品国产99精品国产亚洲性色| 亚洲国产精品合色在线| 日日摸夜夜添夜夜添av毛片 | 亚洲国产色片| 亚洲在线观看片| 欧美+亚洲+日韩+国产| 深夜精品福利| 亚洲成a人片在线一区二区| 高潮久久久久久久久久久不卡| 一进一出抽搐gif免费好疼| 一a级毛片在线观看| 午夜影院日韩av| 成人特级av手机在线观看| 乱人视频在线观看| 国产精华一区二区三区| 国产欧美日韩精品一区二区| 在线观看av片永久免费下载| 美女xxoo啪啪120秒动态图 | 一级a爱片免费观看的视频| 午夜福利免费观看在线| 成熟少妇高潮喷水视频| 黄色配什么色好看| 国产成人福利小说| 久久草成人影院| 熟女电影av网| 国产精品女同一区二区软件 | 亚洲天堂国产精品一区在线| 亚洲专区中文字幕在线| 亚洲国产欧美人成| 特大巨黑吊av在线直播| 欧美精品啪啪一区二区三区| 久久精品影院6| 国产精品久久视频播放| 99久久99久久久精品蜜桃| 婷婷色综合大香蕉| 别揉我奶头~嗯~啊~动态视频| 亚洲天堂国产精品一区在线| 男人的好看免费观看在线视频| 日本黄色片子视频| 在线播放无遮挡| 黄色女人牲交| 午夜精品在线福利| 亚洲无线观看免费| 2021天堂中文幕一二区在线观| 亚洲精华国产精华精| 精品日产1卡2卡| 日本一本二区三区精品| 亚洲国产精品sss在线观看| 亚洲av日韩精品久久久久久密| 蜜桃亚洲精品一区二区三区| 欧美不卡视频在线免费观看| 亚洲内射少妇av| 久久久色成人| 熟妇人妻久久中文字幕3abv| 午夜a级毛片| 国产真实乱freesex| 国内精品久久久久精免费| 亚洲国产精品999在线| 超碰av人人做人人爽久久| 丰满人妻熟妇乱又伦精品不卡| 伦理电影大哥的女人| 亚洲欧美日韩无卡精品| 亚洲精华国产精华精| 美女 人体艺术 gogo| 99热精品在线国产| 亚洲片人在线观看| 在线观看午夜福利视频| 特级一级黄色大片| 久久亚洲精品不卡| 国产亚洲欧美98| 亚洲中文日韩欧美视频| 大型黄色视频在线免费观看| 男女之事视频高清在线观看| 一本精品99久久精品77| 日韩精品青青久久久久久| 亚洲五月天丁香| 十八禁国产超污无遮挡网站| 丁香欧美五月| 欧美成人一区二区免费高清观看| 91狼人影院| 亚洲欧美日韩无卡精品| 精品熟女少妇八av免费久了| 国产伦一二天堂av在线观看| 宅男免费午夜| 熟女人妻精品中文字幕| 日韩精品中文字幕看吧| 我的女老师完整版在线观看| 91麻豆av在线| 精品不卡国产一区二区三区| 精品免费久久久久久久清纯| 欧美潮喷喷水| 精华霜和精华液先用哪个| 久久午夜亚洲精品久久| 91九色精品人成在线观看| 欧美黄色片欧美黄色片| 精品日产1卡2卡| 日韩人妻高清精品专区| 亚洲性夜色夜夜综合| 一本精品99久久精品77| eeuss影院久久| 国产av在哪里看| 偷拍熟女少妇极品色| 国产高清三级在线| 婷婷精品国产亚洲av在线| 中国美女看黄片| 国产精品一区二区免费欧美| 国产高清激情床上av| 久久天躁狠狠躁夜夜2o2o| 午夜免费男女啪啪视频观看 | 尤物成人国产欧美一区二区三区| 日本黄大片高清| 欧美性感艳星| 天堂网av新在线| 午夜免费成人在线视频| 1024手机看黄色片| 国产精品亚洲一级av第二区| 国产私拍福利视频在线观看| 日韩有码中文字幕| 亚洲 欧美 日韩 在线 免费| 亚洲无线在线观看| 男女那种视频在线观看| 精品人妻偷拍中文字幕| 欧美乱妇无乱码| 国内精品久久久久精免费| 男人舔女人下体高潮全视频| 亚洲最大成人手机在线| 欧美最新免费一区二区三区 | 国内精品久久久久久久电影| 天天一区二区日本电影三级| 少妇裸体淫交视频免费看高清| 国产综合懂色| 亚洲国产精品sss在线观看| 成人av在线播放网站| 久久久久免费精品人妻一区二区| 亚洲国产欧洲综合997久久,| 成年女人毛片免费观看观看9| 精品人妻偷拍中文字幕| 国产黄色小视频在线观看| 国产激情偷乱视频一区二区| av欧美777| 欧美丝袜亚洲另类 | 一进一出抽搐gif免费好疼| 丰满乱子伦码专区| 亚洲在线观看片| 国产主播在线观看一区二区| 久久久久国内视频| 日韩欧美免费精品| 国产又黄又爽又无遮挡在线| 中文字幕av成人在线电影| 性色avwww在线观看| 美女被艹到高潮喷水动态| 我的女老师完整版在线观看| 美女 人体艺术 gogo| 亚洲一区二区三区色噜噜| 中文字幕熟女人妻在线| av在线老鸭窝| av国产免费在线观看| 99久久精品国产亚洲精品| 欧美激情久久久久久爽电影| 在线观看美女被高潮喷水网站 | 动漫黄色视频在线观看| 欧美一区二区国产精品久久精品| 亚洲不卡免费看| 欧美三级亚洲精品| 男人的好看免费观看在线视频| 亚洲国产精品合色在线| a级毛片a级免费在线| 99热这里只有是精品50| 无遮挡黄片免费观看| 日韩有码中文字幕| 免费av不卡在线播放| 国产高清有码在线观看视频| 国产在视频线在精品| 婷婷色综合大香蕉| 日韩有码中文字幕| 大型黄色视频在线免费观看| 国产精品一及| 国产又黄又爽又无遮挡在线| 搡老岳熟女国产| 国产成人影院久久av| 伦理电影大哥的女人| 国产精品三级大全| 十八禁国产超污无遮挡网站| 搡老岳熟女国产| 亚洲欧美日韩高清专用| 两性午夜刺激爽爽歪歪视频在线观看| 久久人人爽人人爽人人片va | 国产精品久久久久久久久免 | 99在线人妻在线中文字幕| 中文在线观看免费www的网站| 悠悠久久av| 欧美乱妇无乱码| 夜夜看夜夜爽夜夜摸| 中亚洲国语对白在线视频| 在线十欧美十亚洲十日本专区| 黄色视频,在线免费观看| 在线播放国产精品三级| 我的女老师完整版在线观看| 黄色丝袜av网址大全| 国产av麻豆久久久久久久| 欧美日本视频| 免费av毛片视频| 婷婷丁香在线五月| 国产精品久久久久久亚洲av鲁大| 国产成人aa在线观看| 99久久九九国产精品国产免费| 制服丝袜大香蕉在线| 日本一本二区三区精品| 欧美精品国产亚洲| 国产又黄又爽又无遮挡在线| 97人妻精品一区二区三区麻豆| 老司机午夜十八禁免费视频| 99久久九九国产精品国产免费| 欧美成人性av电影在线观看| 亚洲国产日韩欧美精品在线观看| 亚洲av美国av| 精品久久久久久久久久免费视频| 18禁黄网站禁片免费观看直播| 一级av片app| 亚洲中文字幕日韩| 真人一进一出gif抽搐免费| 欧美最新免费一区二区三区 | 18美女黄网站色大片免费观看| 中文资源天堂在线| 舔av片在线| 亚洲av成人精品一区久久| 亚洲av免费在线观看| 国产成人欧美在线观看| 午夜福利欧美成人| 国产单亲对白刺激| 神马国产精品三级电影在线观看| 非洲黑人性xxxx精品又粗又长| 男人舔奶头视频| 国产麻豆成人av免费视频| 在线十欧美十亚洲十日本专区| 狠狠狠狠99中文字幕| 久久精品国产亚洲av涩爱 | 亚洲在线自拍视频| 久久精品影院6| 精品国内亚洲2022精品成人| eeuss影院久久| 精品99又大又爽又粗少妇毛片 | 日本 av在线| 国产亚洲精品久久久com| 欧美日韩黄片免| 成年人黄色毛片网站| 国产精品一区二区性色av| 午夜影院日韩av| 午夜福利在线观看吧| 中文字幕av在线有码专区| 久久精品综合一区二区三区| 亚洲天堂国产精品一区在线| 免费高清视频大片| 国产欧美日韩一区二区精品| 日韩免费av在线播放| 麻豆国产97在线/欧美| 国产精品电影一区二区三区| 日韩欧美精品v在线| 久9热在线精品视频| 丰满乱子伦码专区| 久久久久久久久久成人| 91在线精品国自产拍蜜月| 国产欧美日韩精品一区二区| 亚洲最大成人av| 国产在线精品亚洲第一网站| 嫩草影视91久久| 在线免费观看不下载黄p国产 | 国产精品亚洲美女久久久| 超碰av人人做人人爽久久| 国产激情偷乱视频一区二区| 亚洲av电影在线进入| 久久久久久久亚洲中文字幕 | 18禁黄网站禁片午夜丰满| 欧美日韩综合久久久久久 | 精品人妻1区二区| 国产精品嫩草影院av在线观看 | 亚洲av成人精品一区久久| 亚洲成人精品中文字幕电影| 国产人妻一区二区三区在| 免费av不卡在线播放| 男插女下体视频免费在线播放| 在线十欧美十亚洲十日本专区| 午夜福利免费观看在线| 99久久精品国产亚洲精品| 欧美+亚洲+日韩+国产| 亚洲最大成人手机在线| 婷婷精品国产亚洲av| 久久久久国内视频| 亚洲国产日韩欧美精品在线观看| 搡老岳熟女国产| 国内揄拍国产精品人妻在线| 午夜a级毛片| 亚洲成人精品中文字幕电影| 嫩草影院新地址| 久久草成人影院| 少妇熟女aⅴ在线视频| 午夜免费成人在线视频| 69人妻影院| 免费看日本二区| 天天一区二区日本电影三级| 久久久久久大精品| 十八禁国产超污无遮挡网站| 长腿黑丝高跟| 级片在线观看| av欧美777| 一进一出抽搐动态| 人人妻,人人澡人人爽秒播| 性色avwww在线观看| 日韩欧美 国产精品| 99久久精品国产亚洲精品| 极品教师在线视频| 亚洲人成伊人成综合网2020| 国产精品一区二区性色av| 嫩草影院入口| 三级国产精品欧美在线观看| 一个人观看的视频www高清免费观看| 亚洲午夜理论影院| 三级男女做爰猛烈吃奶摸视频| 国产精品爽爽va在线观看网站| 久久久精品大字幕| 亚洲激情在线av| 精品久久久久久久久久免费视频| 美女黄网站色视频| 一本精品99久久精品77| 精品久久久久久久久av| 真实男女啪啪啪动态图| 91麻豆精品激情在线观看国产| 高潮久久久久久久久久久不卡| 国产私拍福利视频在线观看| 久久精品国产亚洲av天美| 天堂动漫精品| 久久久精品大字幕| 日韩欧美免费精品| 99视频精品全部免费 在线| 最近在线观看免费完整版| 亚洲午夜理论影院| 三级国产精品欧美在线观看| 欧美xxxx性猛交bbbb| 91字幕亚洲| 免费看日本二区| 亚洲专区中文字幕在线| 人妻久久中文字幕网| 久久久久久久久大av| 欧美另类亚洲清纯唯美| 午夜免费成人在线视频| www.熟女人妻精品国产| 欧美bdsm另类| 夜夜躁狠狠躁天天躁| 久久久久久久久久黄片| 国产高清三级在线| 我要看日韩黄色一级片| 9191精品国产免费久久| 亚洲自偷自拍三级| 看片在线看免费视频| 国产免费av片在线观看野外av| 好男人在线观看高清免费视频| 欧美高清成人免费视频www| 日韩中字成人| 中国美女看黄片| 美女被艹到高潮喷水动态| 亚洲精品日韩av片在线观看| 免费看日本二区| 91久久精品电影网| 成人av在线播放网站| 91久久精品电影网| 男人的好看免费观看在线视频| 欧美又色又爽又黄视频| 非洲黑人性xxxx精品又粗又长| 国产高清视频在线播放一区| 国产v大片淫在线免费观看| 91av网一区二区| 日本黄色片子视频| 久久精品国产清高在天天线| 九色国产91popny在线| 好男人电影高清在线观看| 99热这里只有精品一区| 欧美精品啪啪一区二区三区| 色吧在线观看| 黄色丝袜av网址大全| 他把我摸到了高潮在线观看| 99热这里只有精品一区| 国产精品av视频在线免费观看| 两人在一起打扑克的视频| 男女下面进入的视频免费午夜| 校园春色视频在线观看| 一a级毛片在线观看| 国产视频内射| 搡老岳熟女国产| 色综合欧美亚洲国产小说| 亚洲va日本ⅴa欧美va伊人久久| 久久亚洲真实| 又紧又爽又黄一区二区| 日本撒尿小便嘘嘘汇集6| 最好的美女福利视频网| 日本黄色片子视频| 亚洲av成人不卡在线观看播放网| 简卡轻食公司| 中文字幕av成人在线电影| 在线免费观看不下载黄p国产 | 黄色配什么色好看| 搡老妇女老女人老熟妇| 亚洲精品在线美女| 在现免费观看毛片| 免费在线观看影片大全网站| 一卡2卡三卡四卡精品乱码亚洲| 国产一区二区在线观看日韩| 丁香六月欧美| 免费搜索国产男女视频| 不卡一级毛片| 校园春色视频在线观看| 色综合站精品国产| 国产69精品久久久久777片| 激情在线观看视频在线高清| 嫩草影院入口| 亚洲精品在线美女| 久久久久九九精品影院| 永久网站在线| 最后的刺客免费高清国语| 一区二区三区激情视频| 成年人黄色毛片网站| 国产男靠女视频免费网站| 如何舔出高潮| 99久久精品热视频| 欧美高清成人免费视频www| 国内毛片毛片毛片毛片毛片| 亚洲国产精品合色在线| 18禁黄网站禁片午夜丰满| 亚洲真实伦在线观看| 免费黄网站久久成人精品 | 99精品久久久久人妻精品| 成人av一区二区三区在线看| 可以在线观看的亚洲视频| www日本黄色视频网| 精品久久久久久成人av| 亚洲自拍偷在线| 极品教师在线视频| 日韩中字成人| 亚洲美女搞黄在线观看 | 别揉我奶头~嗯~啊~动态视频| 欧美一区二区精品小视频在线| 欧美国产日韩亚洲一区| 亚洲自偷自拍三级| 日日夜夜操网爽| 欧美xxxx黑人xx丫x性爽| 小说图片视频综合网站| 免费观看的影片在线观看| 少妇人妻一区二区三区视频| 成人亚洲精品av一区二区| 18禁黄网站禁片免费观看直播| 久久人妻av系列| 男女之事视频高清在线观看| 日韩人妻高清精品专区| 国产aⅴ精品一区二区三区波| 亚洲av第一区精品v没综合| 美女黄网站色视频| 伊人久久精品亚洲午夜| 日韩高清综合在线| 亚洲精品日韩av片在线观看| 色尼玛亚洲综合影院| 少妇裸体淫交视频免费看高清| 白带黄色成豆腐渣| 在现免费观看毛片| 人妻夜夜爽99麻豆av| 久久99热6这里只有精品| 精华霜和精华液先用哪个| 少妇的逼水好多| 久久久精品欧美日韩精品| 色哟哟哟哟哟哟| 无人区码免费观看不卡| 国产野战对白在线观看| 亚洲第一电影网av| 国产精品三级大全| 国产精品99久久久久久久久| 久久久久久久精品吃奶| 国产精品亚洲一级av第二区| 1024手机看黄色片|