• <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
    亚洲一级一片aⅴ在线观看| 免费久久久久久久精品成人欧美视频| 日韩中字成人| 国产精品国产三级专区第一集| 黑丝袜美女国产一区| 18禁国产床啪视频网站| 亚洲第一av免费看| 中文字幕制服av| 99久久精品国产国产毛片| 久久人人爽av亚洲精品天堂| 一边亲一边摸免费视频| 日韩伦理黄色片| 2022亚洲国产成人精品| 亚洲一码二码三码区别大吗| 看免费成人av毛片| 国产伦理片在线播放av一区| 日韩一区二区视频免费看| 精品亚洲成国产av| 国产野战对白在线观看| 国产成人欧美| 久久久精品区二区三区| 9热在线视频观看99| av不卡在线播放| 91精品伊人久久大香线蕉| 观看美女的网站| 美女xxoo啪啪120秒动态图| 欧美日韩亚洲国产一区二区在线观看 | 中文精品一卡2卡3卡4更新| 亚洲精品视频女| 国产探花极品一区二区| 在线观看一区二区三区激情| 新久久久久国产一级毛片| 午夜精品国产一区二区电影| 中国三级夫妇交换| 搡女人真爽免费视频火全软件| 哪个播放器可以免费观看大片| 国产精品成人在线| 电影成人av| 一级片免费观看大全| 国产成人精品无人区| av.在线天堂| 国产高清不卡午夜福利| 久久久国产精品麻豆| 伦理电影大哥的女人| 99re6热这里在线精品视频| 亚洲欧美成人精品一区二区| 少妇的逼水好多| 秋霞伦理黄片| 久久国产精品男人的天堂亚洲| 99久久人妻综合| 免费黄网站久久成人精品| 18禁动态无遮挡网站| 久久久久久久大尺度免费视频| 久久久久久免费高清国产稀缺| 另类精品久久| 丝袜在线中文字幕| 晚上一个人看的免费电影| 精品国产超薄肉色丝袜足j| 亚洲三区欧美一区| 一级黄片播放器| 黄网站色视频无遮挡免费观看| a 毛片基地| 97精品久久久久久久久久精品| 免费黄色在线免费观看| 国产黄色视频一区二区在线观看| 水蜜桃什么品种好| 日韩 亚洲 欧美在线| 亚洲欧美一区二区三区国产| 免费黄色在线免费观看| 韩国高清视频一区二区三区| 热re99久久精品国产66热6| 亚洲成人一二三区av| 久热久热在线精品观看| 女的被弄到高潮叫床怎么办| 飞空精品影院首页| 熟妇人妻不卡中文字幕| 亚洲精品国产av蜜桃| 黄色毛片三级朝国网站| 91在线精品国自产拍蜜月| 免费观看性生交大片5| 亚洲国产av新网站| 哪个播放器可以免费观看大片| 老司机影院毛片| 亚洲人成77777在线视频| 你懂的网址亚洲精品在线观看| 国产男女超爽视频在线观看| 免费高清在线观看日韩| 黑丝袜美女国产一区| 黑丝袜美女国产一区| 中文字幕另类日韩欧美亚洲嫩草| 国产成人精品久久久久久| 边亲边吃奶的免费视频| 亚洲一区二区三区欧美精品| 91国产中文字幕| 69精品国产乱码久久久| 久久精品久久久久久噜噜老黄| 亚洲综合色惰| 国产成人精品婷婷| 亚洲精品国产一区二区精华液| 国产精品 欧美亚洲| 夫妻午夜视频| av天堂久久9| 免费观看性生交大片5| 亚洲欧美一区二区三区久久| 国产免费一区二区三区四区乱码| 一本久久精品| 成年人午夜在线观看视频| 97人妻天天添夜夜摸| 免费看av在线观看网站| 国产欧美日韩一区二区三区在线| 男女午夜视频在线观看| 精品一区二区三卡| 亚洲精品一二三| 久久鲁丝午夜福利片| 国产免费现黄频在线看| 你懂的网址亚洲精品在线观看| 男女下面插进去视频免费观看| 亚洲精品自拍成人| 91国产中文字幕| 国产一区二区在线观看av| 国产97色在线日韩免费| 伦理电影免费视频| 黄色怎么调成土黄色| 色播在线永久视频| 夜夜骑夜夜射夜夜干| www日本在线高清视频| 九色亚洲精品在线播放| 国产亚洲一区二区精品| 久久久久久人人人人人| 久久精品国产鲁丝片午夜精品| 亚洲国产毛片av蜜桃av| 日韩精品免费视频一区二区三区| 免费看不卡的av| 久久久久精品人妻al黑| 大陆偷拍与自拍| 亚洲av欧美aⅴ国产| 色婷婷久久久亚洲欧美| 婷婷成人精品国产| 精品亚洲乱码少妇综合久久| 国产成人精品一,二区| 欧美变态另类bdsm刘玥| 老汉色av国产亚洲站长工具| 免费高清在线观看日韩| 久久99一区二区三区| 欧美亚洲 丝袜 人妻 在线| 亚洲美女视频黄频| 一边亲一边摸免费视频| xxxhd国产人妻xxx| 2021少妇久久久久久久久久久| 日韩一区二区三区影片| 乱人伦中国视频| 日韩一区二区视频免费看| 国产精品二区激情视频| 日韩熟女老妇一区二区性免费视频| 熟女电影av网| 丝袜人妻中文字幕| 精品国产一区二区久久| 久久久国产一区二区| 黄色怎么调成土黄色| 高清欧美精品videossex| a级毛片黄视频| 久久久精品区二区三区| 久久精品国产鲁丝片午夜精品| 国产av一区二区精品久久| 国产成人精品福利久久| 在线看a的网站| 久久久久精品久久久久真实原创| 欧美精品国产亚洲| 亚洲,一卡二卡三卡| 又黄又粗又硬又大视频| 日韩 亚洲 欧美在线| 老熟女久久久| 热99久久久久精品小说推荐| 看免费成人av毛片| 久久久久久久久久久久大奶| 成人黄色视频免费在线看| 国产97色在线日韩免费| 9色porny在线观看| 亚洲综合精品二区| 激情视频va一区二区三区| 亚洲美女搞黄在线观看| 成人午夜精彩视频在线观看| 久久久久久久久久久免费av| 成年美女黄网站色视频大全免费| 91aial.com中文字幕在线观看| 可以免费在线观看a视频的电影网站 | 九草在线视频观看| 中文字幕另类日韩欧美亚洲嫩草| 精品人妻偷拍中文字幕| 26uuu在线亚洲综合色| 国产精品免费大片| 日日爽夜夜爽网站| 少妇熟女欧美另类| 老熟女久久久| 欧美+日韩+精品| 香蕉丝袜av| 美女主播在线视频| 熟女少妇亚洲综合色aaa.| 国产av国产精品国产| 国产精品99久久99久久久不卡 | 国产日韩欧美视频二区| av在线app专区| 亚洲精华国产精华液的使用体验| 久久国产精品大桥未久av| 亚洲激情五月婷婷啪啪| 桃花免费在线播放| 久久午夜综合久久蜜桃| 女性被躁到高潮视频| 久热久热在线精品观看| 亚洲精品久久成人aⅴ小说| 国产精品.久久久| 中文天堂在线官网| 日韩一卡2卡3卡4卡2021年| 9色porny在线观看| 亚洲国产色片| 三上悠亚av全集在线观看| 另类亚洲欧美激情| 熟女电影av网| 国产国语露脸激情在线看| 一边亲一边摸免费视频| av卡一久久| 亚洲精品在线美女| 久久国产精品男人的天堂亚洲| 亚洲中文av在线| 电影成人av| 最近最新中文字幕免费大全7| 亚洲,一卡二卡三卡| 曰老女人黄片| 国产亚洲精品第一综合不卡| 国产探花极品一区二区| 欧美精品一区二区大全| 国产一区二区在线观看av| 丰满迷人的少妇在线观看| 午夜福利影视在线免费观看| 成人二区视频| 18+在线观看网站| 精品国产一区二区三区久久久樱花| 国产精品无大码| 国产男女内射视频| 一本大道久久a久久精品| 久久人人97超碰香蕉20202| 蜜桃在线观看..| 欧美xxⅹ黑人| 国产欧美日韩综合在线一区二区| 精品一区二区免费观看| 国产97色在线日韩免费| 毛片一级片免费看久久久久| 另类精品久久| 国产午夜精品一二区理论片| 亚洲熟女精品中文字幕| 欧美日韩视频精品一区| 激情五月婷婷亚洲| 久久久久精品性色| 久久久a久久爽久久v久久| 美女高潮到喷水免费观看| 麻豆av在线久日| 国产男人的电影天堂91| 久久97久久精品| 另类精品久久| 国产精品国产av在线观看| 国产成人精品久久久久久| 女人精品久久久久毛片| 久久国产亚洲av麻豆专区| 少妇 在线观看| 一区福利在线观看| 国产男女超爽视频在线观看| 成人国产麻豆网| 免费观看无遮挡的男女| 韩国高清视频一区二区三区| kizo精华| 国产女主播在线喷水免费视频网站| 性少妇av在线| 免费观看无遮挡的男女| 婷婷成人精品国产| a级片在线免费高清观看视频| a级毛片在线看网站| www.精华液| 人妻少妇偷人精品九色| 久久久a久久爽久久v久久| 亚洲成人av在线免费| 性少妇av在线| 色播在线永久视频| 男女午夜视频在线观看| 亚洲成色77777| 人人妻人人澡人人看| 观看美女的网站| 亚洲成人一二三区av| 欧美人与善性xxx| 免费人妻精品一区二区三区视频| 欧美日韩视频高清一区二区三区二| 国产精品一二三区在线看| 1024香蕉在线观看| 国产黄频视频在线观看| 久久影院123| 欧美成人午夜精品| 尾随美女入室| 亚洲一区二区三区欧美精品| 多毛熟女@视频| 777久久人妻少妇嫩草av网站| 午夜福利乱码中文字幕| 寂寞人妻少妇视频99o| 日韩av免费高清视频| 99久国产av精品国产电影| 十八禁高潮呻吟视频| 国产av精品麻豆| 日本wwww免费看| 各种免费的搞黄视频| √禁漫天堂资源中文www| 丰满迷人的少妇在线观看| 丰满迷人的少妇在线观看| 亚洲,一卡二卡三卡| 国产在视频线精品| 国产老妇伦熟女老妇高清| 国产精品99久久99久久久不卡 | 国产97色在线日韩免费| xxx大片免费视频| 午夜久久久在线观看| 亚洲欧洲精品一区二区精品久久久 | 黑人猛操日本美女一级片| 美女xxoo啪啪120秒动态图| 91精品国产国语对白视频| 午夜福利影视在线免费观看| 永久免费av网站大全| 精品国产一区二区三区久久久樱花| 国产熟女午夜一区二区三区| 国产精品一区二区在线不卡| 精品少妇一区二区三区视频日本电影 | 18在线观看网站| 国产亚洲最大av| a 毛片基地| 午夜福利一区二区在线看| 亚洲av国产av综合av卡| 搡老乐熟女国产| 性色av一级| 国产毛片在线视频| 哪个播放器可以免费观看大片| 久久99热这里只频精品6学生| 久久久久久久大尺度免费视频| 五月开心婷婷网| 国产精品秋霞免费鲁丝片| 99九九在线精品视频| 十八禁高潮呻吟视频| 国产av码专区亚洲av| 在线观看三级黄色| 久久久久精品性色| 国产午夜精品一二区理论片| 日产精品乱码卡一卡2卡三| 两个人看的免费小视频| 国产一级毛片在线| 久久鲁丝午夜福利片| 国产精品秋霞免费鲁丝片| 一本久久精品| 国产免费又黄又爽又色| 午夜福利网站1000一区二区三区| 午夜激情久久久久久久| 水蜜桃什么品种好| a级片在线免费高清观看视频| 国产精品成人在线| 看免费av毛片| 熟妇人妻不卡中文字幕| 久久久久久久久久人人人人人人| 久久久久久伊人网av| 亚洲精品国产av成人精品| 老女人水多毛片| 久久99精品国语久久久| 久久久精品94久久精品| 亚洲精品成人av观看孕妇| 人妻一区二区av| 69精品国产乱码久久久| av卡一久久| 精品亚洲成a人片在线观看| 天堂中文最新版在线下载| 亚洲精品国产一区二区精华液| 97精品久久久久久久久久精品| 尾随美女入室| 26uuu在线亚洲综合色| 热re99久久国产66热| 一个人免费看片子| 大话2 男鬼变身卡| 国产激情久久老熟女| 亚洲精品第二区| 精品人妻熟女毛片av久久网站| av福利片在线| 美女国产高潮福利片在线看| 两个人免费观看高清视频| 如日韩欧美国产精品一区二区三区| 久久 成人 亚洲| 巨乳人妻的诱惑在线观看| 日韩人妻精品一区2区三区| 青春草亚洲视频在线观看| www.自偷自拍.com| 叶爱在线成人免费视频播放| 日韩三级伦理在线观看| 亚洲三区欧美一区| www.av在线官网国产| 日本午夜av视频| 国语对白做爰xxxⅹ性视频网站| 少妇精品久久久久久久| 男女啪啪激烈高潮av片| 91精品国产国语对白视频| av在线老鸭窝| 日韩人妻精品一区2区三区| 久久 成人 亚洲| 男人添女人高潮全过程视频| 大香蕉久久成人网| 久久韩国三级中文字幕| 欧美av亚洲av综合av国产av | 国产有黄有色有爽视频| 有码 亚洲区| 亚洲av综合色区一区| 美女脱内裤让男人舔精品视频| 国产亚洲欧美精品永久| 亚洲精品中文字幕在线视频| 日韩熟女老妇一区二区性免费视频| 日韩中文字幕视频在线看片| 在线 av 中文字幕| 国产伦理片在线播放av一区| 人人妻人人澡人人看| 亚洲一区中文字幕在线| 人人妻人人爽人人添夜夜欢视频| 亚洲欧洲国产日韩| 老司机影院成人| 久久精品国产亚洲av涩爱| 国产97色在线日韩免费| 久久精品夜色国产| 国产免费现黄频在线看| 啦啦啦在线观看免费高清www| 在线观看www视频免费| 大陆偷拍与自拍| 欧美精品av麻豆av| 国产欧美日韩一区二区三区在线| 一级毛片黄色毛片免费观看视频| 97在线视频观看| 国产深夜福利视频在线观看| 永久免费av网站大全| 亚洲精品久久午夜乱码| 在线观看人妻少妇| 大香蕉久久成人网| 美国免费a级毛片| 国产精品不卡视频一区二区| 日韩一卡2卡3卡4卡2021年| 曰老女人黄片| 亚洲中文av在线| 色哟哟·www| 免费看av在线观看网站| 国产av码专区亚洲av| 久久人人爽av亚洲精品天堂| 乱人伦中国视频| 这个男人来自地球电影免费观看 | 黑人欧美特级aaaaaa片| 丁香六月天网| 制服诱惑二区| 欧美 亚洲 国产 日韩一| 伦精品一区二区三区| 在线观看三级黄色| 久久人人97超碰香蕉20202| 午夜福利网站1000一区二区三区| 免费观看性生交大片5| 国产xxxxx性猛交| 男人操女人黄网站| 97人妻天天添夜夜摸| 久久久国产精品麻豆| 国产片内射在线| 精品人妻一区二区三区麻豆| 一级,二级,三级黄色视频| 丰满少妇做爰视频| 亚洲第一青青草原| 精品久久蜜臀av无| 国产无遮挡羞羞视频在线观看| 成人毛片a级毛片在线播放| 日日摸夜夜添夜夜爱| h视频一区二区三区| 成人国产麻豆网| 欧美成人午夜精品| 香蕉丝袜av| 91在线精品国自产拍蜜月| 精品一品国产午夜福利视频| 亚洲美女视频黄频| 三级国产精品片| 叶爱在线成人免费视频播放| 热99国产精品久久久久久7| 国产在视频线精品| 一级爰片在线观看| 免费观看在线日韩| 午夜激情久久久久久久| 久久久久精品性色| 考比视频在线观看| 1024视频免费在线观看| 中文字幕最新亚洲高清| 韩国av在线不卡| 欧美+日韩+精品| 国产一区二区三区av在线| 91精品国产国语对白视频| 晚上一个人看的免费电影| 欧美最新免费一区二区三区| 性少妇av在线| 国产精品久久久久成人av| 日韩精品免费视频一区二区三区| 亚洲av欧美aⅴ国产| 在线观看国产h片| 亚洲av综合色区一区| 大香蕉久久网| 啦啦啦在线观看免费高清www| 久久精品国产亚洲av天美| 大香蕉久久成人网| 9热在线视频观看99| 色网站视频免费| 一区二区三区四区激情视频| 欧美老熟妇乱子伦牲交| 大码成人一级视频| videos熟女内射| 69精品国产乱码久久久| 亚洲精品成人av观看孕妇| 最近最新中文字幕大全免费视频 | 不卡视频在线观看欧美| 免费av中文字幕在线| 欧美在线黄色| 少妇人妻久久综合中文| 欧美 日韩 精品 国产| 免费高清在线观看视频在线观看| 热99国产精品久久久久久7| 叶爱在线成人免费视频播放| 国产av国产精品国产| 国产毛片在线视频| 一级毛片电影观看| tube8黄色片| 精品久久久久久电影网| 国产精品久久久久久久久免| 天天躁夜夜躁狠狠久久av| 美国免费a级毛片| 免费高清在线观看日韩| xxxhd国产人妻xxx| 伦精品一区二区三区| 亚洲国产精品一区三区| 午夜免费观看性视频| 亚洲成国产人片在线观看| 涩涩av久久男人的天堂| 一区二区av电影网| 欧美成人精品欧美一级黄| 日产精品乱码卡一卡2卡三| 九色亚洲精品在线播放| 国产免费福利视频在线观看| 性色avwww在线观看| 色94色欧美一区二区| 高清不卡的av网站| 免费在线观看完整版高清| 制服人妻中文乱码| 亚洲视频免费观看视频| √禁漫天堂资源中文www| 男女无遮挡免费网站观看| 国产成人精品婷婷| 天天影视国产精品| 一本—道久久a久久精品蜜桃钙片| 韩国精品一区二区三区| 亚洲欧美成人综合另类久久久| 久久久久久人人人人人| 欧美人与性动交α欧美精品济南到 | 中文字幕精品免费在线观看视频| 人体艺术视频欧美日本| 嫩草影院入口| 在线天堂中文资源库| 国产成人av激情在线播放| 欧美黄色片欧美黄色片| av一本久久久久| 两个人免费观看高清视频| 欧美国产精品一级二级三级| 日韩精品免费视频一区二区三区| 777米奇影视久久| 精品一区二区三卡| 国产精品人妻久久久影院| 91成人精品电影| 日韩一卡2卡3卡4卡2021年| 久久人人爽人人片av| 欧美日韩综合久久久久久| 久久久精品94久久精品| av线在线观看网站| 亚洲精品自拍成人| 亚洲 欧美一区二区三区| 国产免费又黄又爽又色| 国产在线视频一区二区| 精品午夜福利在线看| 999精品在线视频| 国产福利在线免费观看视频| 久久精品久久精品一区二区三区| 日日啪夜夜爽| 视频在线观看一区二区三区| 国产免费一区二区三区四区乱码| 午夜免费男女啪啪视频观看| 久久久久久伊人网av| 青春草国产在线视频| 波野结衣二区三区在线| 丰满乱子伦码专区| 亚洲少妇的诱惑av| 免费人妻精品一区二区三区视频| 一级毛片我不卡| 午夜福利,免费看| 女人精品久久久久毛片| 激情视频va一区二区三区| 高清黄色对白视频在线免费看| 啦啦啦视频在线资源免费观看| 精品一品国产午夜福利视频| 99香蕉大伊视频| 亚洲精品日本国产第一区| 夫妻性生交免费视频一级片| 欧美精品av麻豆av| 亚洲欧美色中文字幕在线| 国产欧美日韩综合在线一区二区| 欧美日韩亚洲高清精品| 日韩不卡一区二区三区视频在线| 国产深夜福利视频在线观看| av免费在线看不卡| 精品国产一区二区三区四区第35| 熟女少妇亚洲综合色aaa.| 人妻 亚洲 视频| 中国国产av一级|