• <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EMD的運(yùn)動(dòng)想象腦電特征提取與識(shí)別

    2015-03-02 12:06楊航
    軟件導(dǎo)刊 2015年1期
    關(guān)鍵詞:經(jīng)驗(yàn)?zāi)B(tài)分解支持向量機(jī)特征提取

    楊航

    摘要:針對(duì)運(yùn)動(dòng)想象腦電特征的提取與識(shí)別,提出了一種采用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)提取腦電信號(hào)能量特征與幅值特征的分類識(shí)別方法。首先用時(shí)間窗對(duì)腦電信號(hào)進(jìn)行細(xì)分;然后利用EMD方法對(duì)細(xì)分后的數(shù)據(jù)進(jìn)行分解,取前三階的固有模態(tài)函數(shù)分量(IMF),提取能量和平均幅值差作為特征向量;最后,使用支持向量機(jī)對(duì)左右手運(yùn)動(dòng)想象進(jìn)行分類識(shí)別。多次仿真試驗(yàn)數(shù)據(jù)表明,分類準(zhǔn)確度達(dá)到88.57%,證明了該方法有效、適用。

    關(guān)鍵詞:經(jīng)驗(yàn)?zāi)B(tài)分解; 特征提?。?運(yùn)動(dòng)想象;支持向量機(jī)

    DOIDOI:10.11907/rjdk.143770

    中圖分類號(hào):TP301

    文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào)文章編號(hào):16727800(2015)001004403

    0 引言

    腦機(jī)接口(BrainComputer Interface,BCI)技術(shù)是不依賴于腦的正常輸出通路(外周神經(jīng)系統(tǒng)和肌肉組織),即可實(shí)現(xiàn)大腦與外界直接通信的一種新的人機(jī)交互方式[1]。它能為肢體殘疾患者提供與外部通信的手段,在殘疾人康復(fù)、正常人輔助控制、娛樂等領(lǐng)域有著廣泛應(yīng)用。

    特征提取是腦機(jī)接口系統(tǒng)中最重要的技術(shù)之一,特征提取常用的技術(shù)有FFT(fast Fourier transform)、AR(AutoRegressive)、ARR(Adaptive AutoRegressive)、ICA(Independent Component Correlation)、小波變換等。經(jīng)驗(yàn)?zāi)B(tài)分解 (Empirical mode decomposition,EMD)方法是Huang等人[23]提出的一種信號(hào)處理方法,該方法能根據(jù)信號(hào)本身的尺度特征對(duì)信號(hào)進(jìn)行分解,獲得一系列的固有模態(tài)函數(shù)(Intrinsic Mode Function, IMF)分量,信號(hào)的非線性和非平穩(wěn)特征能在各階IMF分量中顯示出來(lái)。將EMD方法應(yīng)用于腦電信號(hào)的特征提取效果較好。

    支持向量機(jī)(support vector machine,SVM)是在統(tǒng)計(jì)學(xué)理論基礎(chǔ)上提出的一種機(jī)器學(xué)習(xí)方法,它可以避免以往機(jī)器學(xué)習(xí)中存在的欠學(xué)習(xí)和過學(xué)習(xí)問題,在處理非線性、小樣本以及高維模式識(shí)別等方面優(yōu)勢(shì)明顯[4]。因此,SVM在腦電信號(hào)特征分類領(lǐng)域有著廣泛的應(yīng)用。

    本文提出了一種采用EMD方法提取運(yùn)動(dòng)想象腦電信號(hào)中能量特征與幅值特征,然后利用提取的特征對(duì)運(yùn)動(dòng)腦電信號(hào)進(jìn)行分類識(shí)別的方法。該方法對(duì)經(jīng)過時(shí)間窗細(xì)分后的C3、C4兩通道信號(hào)進(jìn)行EMD分解,從前三階的IMF分量中,提取每階IMF分量的能量,以及IMF分量之間的平均幅度差作為特征向量,采用支持向量機(jī)進(jìn)行分類識(shí)別,識(shí)別率達(dá)到88.57%。該方法主要通過細(xì)化C3、C4通道之間的幅值差異對(duì)不同運(yùn)動(dòng)想象進(jìn)行區(qū)分,為運(yùn)動(dòng)想象腦電的特征提取研究提供了新的思路。

    1 實(shí)驗(yàn)數(shù)據(jù)

    為了客觀評(píng)價(jià)方法的有效性,本文采用BCI2003競(jìng)賽中格拉茨科技大學(xué)提供的腦電數(shù)據(jù)(data set Ⅲ)[5]。實(shí)驗(yàn)過程為受試者(性別:女,年齡:25歲)以放松的姿勢(shì)坐在屏幕前,根據(jù)屏幕上隨機(jī)出現(xiàn)的左右箭頭想象左右手運(yùn)動(dòng)。該實(shí)驗(yàn)包含7組數(shù)據(jù),每組數(shù)據(jù)包括40次實(shí)驗(yàn),共280次實(shí)驗(yàn)均在一天內(nèi)完成,每次實(shí)驗(yàn)間隔幾分鐘。

    整個(gè)實(shí)驗(yàn)過程持續(xù)9s,前2s受試者保持安靜,在第2s時(shí)屏幕出現(xiàn)十字光標(biāo),并伴隨著提示音開始實(shí)驗(yàn),光標(biāo)持續(xù)時(shí)間為1s。在第3s時(shí),屏幕出現(xiàn)一個(gè)向左或向右的箭頭,同時(shí),受試者根據(jù)箭頭的方向想象左右手運(yùn)動(dòng),4s~9s為有效數(shù)據(jù)區(qū)間。

    實(shí)驗(yàn)采用AgCl電極,數(shù)據(jù)從國(guó)際標(biāo)準(zhǔn)的10~20導(dǎo)聯(lián)系統(tǒng)的C3、Cz和C4三個(gè)通道獲得,如圖1所示。其中,C3、C4電極位于大腦的初級(jí)感覺皮層運(yùn)動(dòng)功能區(qū),能反映受試者在想象左右手運(yùn)動(dòng)時(shí)大腦狀態(tài)變化的有效信息,Cz作為參考電極。EEG信號(hào)的采樣頻率為128Hz,通過0.5~30Hz的帶通濾波器濾波。

    2 特征向量獲取

    2.1 EMD方法簡(jiǎn)介

    EMD分解方法處理過程非常簡(jiǎn)單,其基本思想是:假設(shè)任何復(fù)雜信號(hào)都是由一系列幅度和相位都隨時(shí)間變化的基本模式分量構(gòu)成,這種基本模式分量滿足兩個(gè)條件:①它的極點(diǎn)數(shù)與零點(diǎn)數(shù)必須相等或至多相差1個(gè);②對(duì)任一數(shù)據(jù)點(diǎn),它的極大值包絡(luò)與極小值包絡(luò)的均值為0,即由極大值構(gòu)成的上包絡(luò)和極小值構(gòu)成的下包絡(luò)關(guān)于時(shí)間軸局部對(duì)稱。Huang把這種基本模式分量定義為固有模態(tài)函數(shù),即IMF。EMD分解方法就是將多分量信號(hào)內(nèi)部的各階IMF分量一一篩選出來(lái)。設(shè)原始信號(hào)為s(t),具體步驟如下[67]:

    圖1 電極位置及實(shí)驗(yàn)時(shí)序

    (1)獲取信號(hào)s(t)的極大值點(diǎn)集合和極小值點(diǎn)集合。

    (2)通過3次樣條插值函數(shù)分別擬合極大值和極小值點(diǎn)集,得到信號(hào)的上下包絡(luò),分別為u(t)和v(t),求得包絡(luò)線的平均曲線:

    m11(t)=12[u(t)+v(t)](1)

    (3)原始信號(hào)去除包絡(luò)平均值,得到h11(t),即h11(t)=s(t)-m11(t) 。

    (4)用h11(t)代替原始信號(hào)s(t),重復(fù)以上3步k次,直到所得的包絡(luò)趨近于零為止,此時(shí)即可認(rèn)為h1k(t)是一個(gè)IMF分量,記c1=h1k(t),r1(t)=s(t)-c1,s(t)=r1(t)。

    (5) 重復(fù)以上4步,直到rn小于一個(gè)足夠小的設(shè)定值或者變成一個(gè)單調(diào)函數(shù),EMD分解過程終止,得到s(t)的分解式如下:

    s(t)=∑ni=1ci+r(2)

    分解的每階IMF分量能突出原始信號(hào)中不同時(shí)間尺度的局部特征,并且是窄帶信號(hào),從而使得瞬時(shí)頻率具有確切的物理意義。對(duì)采集的EEG信號(hào)進(jìn)行EMD分解得到各階IMF分量,然后從中提取相應(yīng)頻段的特征向量。

    2.2 EEG特征向量提取

    首先選用基于Burg算法的AR模型對(duì)去噪后的EEG信號(hào)進(jìn)行功率譜密度估計(jì),通過功率譜密度來(lái)判斷信號(hào)的能量分布范圍,以此來(lái)決定EMD分解的層數(shù)。圖2為C3通道、C4通道的EEG信號(hào)功率譜密度。從圖中可以看出,腦電信號(hào)的能量主要分布在8~11Hz和19~22Hz頻段,分別對(duì)應(yīng)腦電信號(hào)中的mu節(jié)律和beta節(jié)律。

    圖2 想象左右手運(yùn)動(dòng)的功率譜密度

    為了明確各階IMF對(duì)應(yīng)的頻段范圍,利用傅里葉變換計(jì)算各階IMF分量的頻譜。圖3為進(jìn)行右手運(yùn)動(dòng)想象時(shí),C3、C4通道前4階IMF分量的頻譜圖。

    圖3 想象右手C3、C4前4階IMF分量的幅值譜

    從圖3可以看出,mu節(jié)律(8~11Hz)和beta節(jié)律(19~22Hz)段信號(hào)主要分布在前3個(gè)分量中,IMF4分量中mu節(jié)律和beta節(jié)律段的信號(hào)幅度可忽略不計(jì)。此外,前3階的IMF分量包含了原始信號(hào)90%的能量,前3階的IMF分量能基本代表原始信號(hào)中的特征,故選取前3階IMF分量進(jìn)行特征提取。

    (1)能量特征。通過對(duì)比圖2,分別試驗(yàn)左右手運(yùn)動(dòng)想象時(shí)C3、C4通道功率譜密度,可以明顯看出,二者在mu/beta節(jié)律頻段的能量差別較大。因此,利用C3、C4兩個(gè)通道的能量作為特征值是可行的。

    實(shí)驗(yàn)過程中,受試者是從第3s開始執(zhí)行想象任務(wù)的,采集的數(shù)據(jù)有效時(shí)間段為4~9s。經(jīng)過多次實(shí)驗(yàn)測(cè)試,選取4~8s時(shí)間段內(nèi)的數(shù)據(jù)進(jìn)行分類準(zhǔn)確度最高。為了進(jìn)一步提高分類的準(zhǔn)確度,利用1s的時(shí)間窗將每組數(shù)據(jù)中的4~8s段信號(hào)分成4段,對(duì)每一段進(jìn)行EMD分解,并分別計(jì)算前3階IMF的能量值,計(jì)算公式如下:

    El=∑ni=1[c(i)]2(3)

    其中El是第l個(gè)IMF分量的能量,c(i)是該IMF分量中的第i個(gè)值,n為該IMF分量的長(zhǎng)度。

    (2)平均幅度差。對(duì)比圖3中各階IMF分量頻譜,可以看出,當(dāng)進(jìn)行右手運(yùn)動(dòng)想象時(shí),相比于其它的IMF分量,C4中的IMF2分量幅值波動(dòng)十分明顯,而對(duì)應(yīng)的C3中的IMF2分量波動(dòng)不大。因此,可以定義平均幅度差作為一個(gè)特征值,計(jì)算公式如下:

    Fi,j=1n∑nk=1ci(k)-cj(k)(4)

    其中ci表示第i個(gè)IMF分量,cj表示第j個(gè)IMF分量,n為信號(hào)的長(zhǎng)度。本文選取IMF1、IMF2的平均幅度差和IMF2、IMF3的平均幅度差作為特征向量。

    3 支持向量機(jī)

    本文選取CSVC對(duì)特征向量進(jìn)行分類識(shí)別。其原理如下:

    (1)設(shè)已知訓(xùn)練集T={(x1,y1),…,(xl,yl)}∈(X×Y)l,其中xi是樣本輸入向量,yi是樣本輸出向量,xi∈X=Rn ,yi∈Y={-1,1} ,i=1,…,l。

    (2)選取合適的核函數(shù)K(x,x)和適當(dāng)?shù)膮?shù)C,構(gòu)造并求解最優(yōu)化問題:

    minα12∑li=1∑lj=1yiyjαiαjK(xi,xj)-∑lj=1αj(5)

    s.t.∑li=1yiai=0,0≤αi≤C,i=1,…,l(6)

    得到最優(yōu)解α*=(α*1,…,α*l)T。

    (3)選取α* 的一個(gè)正分量0<α*j

    b*=yi-∑li=1yiα*iK(xi,xj)(7)

    (4)構(gòu)造決策函數(shù)

    f(x)=sgn(∑li=1α*iyiK(x,xi)+b*)(8)

    在本文中,選取高斯徑向基核函數(shù)(gaussian radial basis function ,RBF)作為核函數(shù),其表達(dá)式為:

    K(x,xi)=exp(-xi-xj2/σ2)(9)

    在選定核函數(shù)之后,CSVM還需要確定懲罰參數(shù)c和核參數(shù)g,其中懲罰參數(shù)c能調(diào)節(jié)分類器的置信范圍和經(jīng)驗(yàn)風(fēng)險(xiǎn)的比例,取折衷值能使其泛化能力最好;核參數(shù)g能反映訓(xùn)練樣本數(shù)據(jù)的分布特性,確定局部領(lǐng)域的寬度,較大的g意味著較小的方差。懲罰參數(shù)和局部參數(shù)在很大程度上決定了CSVM的學(xué)習(xí)能力和泛化能力[8]。

    本文選取粒子群優(yōu)化算法(particle swarm optimization, PSO)進(jìn)行參數(shù)尋優(yōu),得到最佳的懲罰因子c和核參數(shù)g,對(duì)測(cè)試樣本進(jìn)行分類。

    4 實(shí)驗(yàn)結(jié)果分析

    本文對(duì)BCI2003競(jìng)賽中的data set Ⅲ數(shù)據(jù)集進(jìn)行特征提取與分類。該數(shù)據(jù)集包含280組數(shù)據(jù),取140組數(shù)據(jù)作為訓(xùn)練樣本,另外140組數(shù)據(jù)作為測(cè)試樣本。提取每個(gè)通道中的4~8s數(shù)據(jù),并用1s的時(shí)間窗把該數(shù)據(jù)分成4小段;對(duì)每小段數(shù)據(jù)進(jìn)行EMD分解,取前3階IMF分量進(jìn)行特征提取。單個(gè)通道中,每小段數(shù)據(jù)包含3個(gè)能量特征和2個(gè)平均幅度差特征。每個(gè)訓(xùn)練樣本包括2個(gè)通道、4小段數(shù)據(jù),共40個(gè)特征向量;用訓(xùn)練樣本確定的SVM最優(yōu)懲罰參數(shù)和核參數(shù),對(duì)140個(gè)測(cè)試樣本進(jìn)行分類。分類結(jié)果如表1所示。

    從表1可以看出,基于EMD方法的特征提取能獲得較高的識(shí)別率。只使用能量作為特征向量的分辨正確率最低,但也達(dá)到了85%;單獨(dú)使用本文定義的平均幅度差作為特征向量的達(dá)到了87.85%的正確率;而同時(shí)將能量和平均幅度差作為特征向量進(jìn)行分類,能達(dá)到88.57%的正確率,不僅接近于競(jìng)賽優(yōu)勝者的成績(jī)(BCI競(jìng)賽中對(duì)此數(shù)據(jù)集識(shí)別準(zhǔn)確率排名:第一名:89.29%,第二名:86.43%),而且相比其它文獻(xiàn)[1,4,9]中的方法正確率都要高。

    5 結(jié)語(yǔ)

    EMD方法與小波變換類似,能對(duì)非線性非平穩(wěn)信號(hào)進(jìn)行分解,突出原始信號(hào)中的局部特征。但與小波變換相比,EMD方法是基于自身的時(shí)間尺度進(jìn)行信號(hào)分解的,具有自適應(yīng)性,不需要設(shè)置基函數(shù)。EMD分解所得的IMF隨著尺度的增大頻率逐漸降低,有助于突出各腦電分量中的特征。

    本文針對(duì)不同的運(yùn)動(dòng)想象,C3、C4兩通道的腦電信號(hào)存在一定幅值差異的特征,提出了一種利用EMD提取腦電信號(hào)能量特征與幅值特征作為特征向量進(jìn)行分類的方法。該方法能對(duì)C3、C4兩通道中腦電信號(hào)進(jìn)行細(xì)分比較,通過支持向量機(jī)進(jìn)行分類,獲得滿意的效果,為研究運(yùn)動(dòng)想象腦電的特征提取提供了新的思路。

    猜你喜歡
    經(jīng)驗(yàn)?zāi)B(tài)分解支持向量機(jī)特征提取
    基于Daubechies(dbN)的飛行器音頻特征提取
    Bagging RCSP腦電特征提取算法
    網(wǎng)絡(luò)被入侵后的信號(hào)檢測(cè)系統(tǒng)設(shè)計(jì)與優(yōu)化
    網(wǎng)絡(luò)不穩(wěn)定節(jié)點(diǎn)的動(dòng)態(tài)特征挖掘模型
    HHT和HMM在血細(xì)胞信號(hào)識(shí)別中的應(yīng)用
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    Walsh變換在滾動(dòng)軸承早期故障特征提取中的應(yīng)用
    亚洲av第一区精品v没综合| 国产一区二区激情短视频| 国产成人精品在线电影| 国产欧美日韩综合在线一区二区| 久久 成人 亚洲| 老司机在亚洲福利影院| 日韩精品免费视频一区二区三区| 搡老妇女老女人老熟妇| 热99re8久久精品国产| 欧美一级a爱片免费观看看 | 久久久国产成人精品二区| 亚洲色图综合在线观看| 老熟妇仑乱视频hdxx| 午夜免费成人在线视频| 国产成人精品在线电影| 最新在线观看一区二区三区| 亚洲专区字幕在线| 亚洲成人精品中文字幕电影| 亚洲av日韩精品久久久久久密| 两性夫妻黄色片| 色av中文字幕| 国产精品 欧美亚洲| 亚洲天堂国产精品一区在线| 91成人精品电影| 国产99白浆流出| 国产伦一二天堂av在线观看| 国产成人精品久久二区二区免费| e午夜精品久久久久久久| 欧美日韩一级在线毛片| 大香蕉久久成人网| 国产精品久久视频播放| 中亚洲国语对白在线视频| 最近最新免费中文字幕在线| 国产精品一区二区三区四区久久 | 精品国内亚洲2022精品成人| 亚洲男人的天堂狠狠| 可以在线观看的亚洲视频| 亚洲成av人片免费观看| 日本免费a在线| 男女做爰动态图高潮gif福利片 | a级毛片在线看网站| 在线天堂中文资源库| 久久人妻福利社区极品人妻图片| 日韩视频一区二区在线观看| 91在线观看av| 精品久久久精品久久久| 无限看片的www在线观看| 国产99久久九九免费精品| 真人做人爱边吃奶动态| 操出白浆在线播放| tocl精华| 国产精品美女特级片免费视频播放器 | 国产成人欧美| 久久中文看片网| 亚洲五月天丁香| 老司机午夜福利在线观看视频| 国产亚洲精品av在线| 老熟妇仑乱视频hdxx| 中文字幕人妻丝袜一区二区| 琪琪午夜伦伦电影理论片6080| 午夜免费激情av| 亚洲欧洲精品一区二区精品久久久| 国产精品99久久99久久久不卡| av欧美777| 人成视频在线观看免费观看| 成人18禁高潮啪啪吃奶动态图| 国产视频一区二区在线看| 国产一区在线观看成人免费| 最近最新中文字幕大全免费视频| 日韩欧美在线二视频| 黄色成人免费大全| 日韩欧美三级三区| 久久这里只有精品19| 色综合婷婷激情| 亚洲精品在线观看二区| 欧美成人性av电影在线观看| 美女扒开内裤让男人捅视频| 极品教师在线免费播放| 久久久久九九精品影院| 国产精品电影一区二区三区| 好男人电影高清在线观看| 美女高潮到喷水免费观看| 亚洲人成电影免费在线| 超碰成人久久| 中文字幕人成人乱码亚洲影| 大香蕉久久成人网| netflix在线观看网站| av中文乱码字幕在线| 国产精品av久久久久免费| 99久久精品国产亚洲精品| 午夜日韩欧美国产| 一进一出抽搐gif免费好疼| 美女高潮到喷水免费观看| x7x7x7水蜜桃| 美女国产高潮福利片在线看| 日韩精品免费视频一区二区三区| 制服诱惑二区| 两个人看的免费小视频| 波多野结衣高清无吗| 国产精品精品国产色婷婷| 夜夜夜夜夜久久久久| 欧美乱色亚洲激情| 一进一出好大好爽视频| 美女 人体艺术 gogo| 韩国av一区二区三区四区| 日韩成人在线观看一区二区三区| 母亲3免费完整高清在线观看| 成年女人毛片免费观看观看9| 老熟妇乱子伦视频在线观看| 天堂√8在线中文| 欧美日韩福利视频一区二区| 咕卡用的链子| 精品国产美女av久久久久小说| 午夜亚洲福利在线播放| 性欧美人与动物交配| 熟女少妇亚洲综合色aaa.| 欧美亚洲日本最大视频资源| 亚洲伊人色综图| 巨乳人妻的诱惑在线观看| 91精品三级在线观看| 露出奶头的视频| 亚洲一卡2卡3卡4卡5卡精品中文| 久久久久久亚洲精品国产蜜桃av| 亚洲欧美日韩高清在线视频| 亚洲专区字幕在线| 黑人巨大精品欧美一区二区mp4| 一区二区三区高清视频在线| av欧美777| 亚洲av美国av| 中文字幕人妻丝袜一区二区| 大陆偷拍与自拍| 99在线视频只有这里精品首页| 可以免费在线观看a视频的电影网站| 国产精品一区二区免费欧美| 99国产精品99久久久久| 亚洲人成网站在线播放欧美日韩| 在线观看免费视频网站a站| 久久人妻福利社区极品人妻图片| 十八禁人妻一区二区| 亚洲第一欧美日韩一区二区三区| 精品国产国语对白av| 久久人人97超碰香蕉20202| videosex国产| 午夜精品在线福利| 免费在线观看亚洲国产| 丝袜美足系列| 午夜激情av网站| 久久国产乱子伦精品免费另类| 欧美激情 高清一区二区三区| av视频在线观看入口| 大香蕉久久成人网| 多毛熟女@视频| 男男h啪啪无遮挡| 在线观看www视频免费| 国产在线观看jvid| 亚洲一区二区三区色噜噜| 九色亚洲精品在线播放| 精品福利观看| 国产三级黄色录像| 99久久精品国产亚洲精品| 午夜福利影视在线免费观看| 亚洲国产看品久久| 又大又爽又粗| 91在线观看av| 岛国视频午夜一区免费看| 可以在线观看的亚洲视频| 欧美绝顶高潮抽搐喷水| 免费高清视频大片| 亚洲男人的天堂狠狠| 欧美亚洲日本最大视频资源| 69av精品久久久久久| 两个人看的免费小视频| 免费少妇av软件| 国产成人影院久久av| 可以在线观看毛片的网站| 亚洲美女黄片视频| 麻豆国产av国片精品| 在线观看舔阴道视频| 午夜a级毛片| 欧美乱妇无乱码| 中文字幕高清在线视频| 亚洲第一青青草原| 精品欧美一区二区三区在线| 亚洲中文字幕一区二区三区有码在线看 | 亚洲精品中文字幕一二三四区| www.熟女人妻精品国产| 91成人精品电影| 一边摸一边抽搐一进一小说| 午夜福利影视在线免费观看| АⅤ资源中文在线天堂| 人妻久久中文字幕网| 色婷婷久久久亚洲欧美| 亚洲精品国产精品久久久不卡| 亚洲一区高清亚洲精品| 亚洲成人久久性| 一个人免费在线观看的高清视频| 精品无人区乱码1区二区| 青草久久国产| 婷婷精品国产亚洲av在线| 久久天堂一区二区三区四区| 欧美日韩亚洲综合一区二区三区_| 男女下面插进去视频免费观看| 一级毛片高清免费大全| 亚洲熟女毛片儿| 久久狼人影院| 日日干狠狠操夜夜爽| 国产区一区二久久| 久久 成人 亚洲| 日韩国内少妇激情av| 久久久国产欧美日韩av| 99国产精品免费福利视频| 电影成人av| 中文字幕人妻熟女乱码| 成人精品一区二区免费| 成人精品一区二区免费| 国产精品久久久久久亚洲av鲁大| av在线播放免费不卡| 人成视频在线观看免费观看| 在线av久久热| 亚洲天堂国产精品一区在线| 精品高清国产在线一区| 亚洲少妇的诱惑av| 国产精品一区二区三区四区久久 | 看黄色毛片网站| 老司机深夜福利视频在线观看| 亚洲成人久久性| 男女下面进入的视频免费午夜 | 午夜福利成人在线免费观看| 久久热在线av| 成人精品一区二区免费| 一二三四在线观看免费中文在| 亚洲国产高清在线一区二区三 | 国产aⅴ精品一区二区三区波| 老司机靠b影院| 黄色视频,在线免费观看| 亚洲国产精品久久男人天堂| 大型黄色视频在线免费观看| 日韩高清综合在线| 又黄又爽又免费观看的视频| 欧美午夜高清在线| 大型av网站在线播放| 久久精品91蜜桃| 午夜精品国产一区二区电影| 亚洲片人在线观看| 免费观看人在逋| 日本撒尿小便嘘嘘汇集6| 一级毛片高清免费大全| 一区二区三区高清视频在线| 免费高清视频大片| 男人操女人黄网站| 久久人人爽av亚洲精品天堂| 亚洲五月色婷婷综合| 久久精品aⅴ一区二区三区四区| 亚洲一码二码三码区别大吗| 首页视频小说图片口味搜索| 久久精品亚洲精品国产色婷小说| 99国产极品粉嫩在线观看| 精品久久久久久久毛片微露脸| 精品无人区乱码1区二区| 午夜日韩欧美国产| av天堂在线播放| 嫩草影院精品99| 非洲黑人性xxxx精品又粗又长| 国产1区2区3区精品| 男人舔女人的私密视频| 国产午夜精品久久久久久| 久9热在线精品视频| 9色porny在线观看| 激情视频va一区二区三区| 亚洲视频免费观看视频| 99riav亚洲国产免费| 精品第一国产精品| 午夜两性在线视频| 国产av一区二区精品久久| 亚洲欧美一区二区三区黑人| 美女 人体艺术 gogo| 精品卡一卡二卡四卡免费| 国产精品久久久久久亚洲av鲁大| 成在线人永久免费视频| 国产区一区二久久| 久久精品亚洲熟妇少妇任你| 日韩成人在线观看一区二区三区| 日韩av在线大香蕉| 国内精品久久久久精免费| 亚洲一区二区三区色噜噜| 琪琪午夜伦伦电影理论片6080| 桃色一区二区三区在线观看| 欧美乱码精品一区二区三区| 亚洲专区中文字幕在线| av视频免费观看在线观看| 久久久久久久精品吃奶| 久久影院123| 久久国产精品男人的天堂亚洲| 久久这里只有精品19| 丝袜在线中文字幕| 欧美色视频一区免费| 美女国产高潮福利片在线看| 高清黄色对白视频在线免费看| 男男h啪啪无遮挡| 在线免费观看的www视频| 性少妇av在线| 自线自在国产av| 一本久久中文字幕| 午夜激情av网站| 国内毛片毛片毛片毛片毛片| 亚洲 欧美一区二区三区| 国产精品免费一区二区三区在线| 中文字幕最新亚洲高清| 国产亚洲精品久久久久久毛片| 中文字幕人妻丝袜一区二区| 日本三级黄在线观看| 涩涩av久久男人的天堂| 日韩一卡2卡3卡4卡2021年| 妹子高潮喷水视频| 在线观看午夜福利视频| 亚洲午夜精品一区,二区,三区| 久久香蕉国产精品| 亚洲色图综合在线观看| 久久香蕉国产精品| 国产精品电影一区二区三区| 亚洲精品粉嫩美女一区| 91老司机精品| 精品人妻在线不人妻| 久久久久国产一级毛片高清牌| 亚洲熟女毛片儿| 国产三级黄色录像| 法律面前人人平等表现在哪些方面| 亚洲aⅴ乱码一区二区在线播放 | 亚洲国产精品sss在线观看| av在线天堂中文字幕| 亚洲精品国产一区二区精华液| 欧美中文综合在线视频| 亚洲色图av天堂| 亚洲熟妇熟女久久| 后天国语完整版免费观看| 欧美日本视频| 巨乳人妻的诱惑在线观看| 国产成人精品无人区| 午夜成年电影在线免费观看| www日本在线高清视频| 一区福利在线观看| 大型av网站在线播放| 亚洲av电影不卡..在线观看| 欧美日韩瑟瑟在线播放| 精品人妻在线不人妻| 亚洲人成电影观看| 在线国产一区二区在线| 亚洲精品美女久久av网站| 久久人妻av系列| 亚洲国产精品999在线| 91av网站免费观看| 在线播放国产精品三级| x7x7x7水蜜桃| 在线国产一区二区在线| 亚洲伊人色综图| 日韩av在线大香蕉| 亚洲男人的天堂狠狠| 国产精品亚洲一级av第二区| 精品人妻在线不人妻| 一区二区三区精品91| 国产1区2区3区精品| 91成人精品电影| 国产成人精品在线电影| 欧美国产日韩亚洲一区| 国产精品久久久久久亚洲av鲁大| 亚洲一码二码三码区别大吗| 黑人欧美特级aaaaaa片| 亚洲美女黄片视频| 99久久综合精品五月天人人| 亚洲少妇的诱惑av| 日本撒尿小便嘘嘘汇集6| 999精品在线视频| 国产av精品麻豆| 精品国产乱子伦一区二区三区| 亚洲少妇的诱惑av| 免费在线观看黄色视频的| 亚洲中文字幕日韩| 久久久精品欧美日韩精品| 中文字幕久久专区| 国产一区在线观看成人免费| 91国产中文字幕| 国产激情欧美一区二区| 日韩 欧美 亚洲 中文字幕| 成年人黄色毛片网站| 亚洲中文日韩欧美视频| 日本欧美视频一区| 别揉我奶头~嗯~啊~动态视频| 欧美精品啪啪一区二区三区| 亚洲精品美女久久久久99蜜臀| 国产av一区在线观看免费| 男女做爰动态图高潮gif福利片 | 男男h啪啪无遮挡| 91麻豆精品激情在线观看国产| 色综合站精品国产| 一二三四社区在线视频社区8| or卡值多少钱| 亚洲avbb在线观看| 亚洲成人免费电影在线观看| 国产伦人伦偷精品视频| 91老司机精品| 美女午夜性视频免费| 国产色视频综合| 91精品国产国语对白视频| 波多野结衣av一区二区av| 一个人观看的视频www高清免费观看 | 美女免费视频网站| 黄频高清免费视频| 成人欧美大片| 91成年电影在线观看| 最近最新中文字幕大全电影3 | 久久久国产成人免费| 亚洲成国产人片在线观看| 日韩精品中文字幕看吧| 欧美黑人欧美精品刺激| 18禁黄网站禁片午夜丰满| 成年版毛片免费区| 精品久久久久久久毛片微露脸| 天堂影院成人在线观看| 一边摸一边做爽爽视频免费| 男女之事视频高清在线观看| 欧美最黄视频在线播放免费| 波多野结衣高清无吗| 亚洲精华国产精华精| 国产伦一二天堂av在线观看| 美女高潮喷水抽搐中文字幕| 少妇的丰满在线观看| 日韩精品青青久久久久久| 色播亚洲综合网| 99久久99久久久精品蜜桃| 91精品三级在线观看| 国产成人一区二区三区免费视频网站| 日韩免费av在线播放| 久久久精品国产亚洲av高清涩受| 国产又爽黄色视频| www.熟女人妻精品国产| 欧美日本中文国产一区发布| 久久青草综合色| 亚洲av日韩精品久久久久久密| 国产1区2区3区精品| 琪琪午夜伦伦电影理论片6080| 91九色精品人成在线观看| 在线av久久热| 91成人精品电影| 精品欧美一区二区三区在线| 男女做爰动态图高潮gif福利片 | 人人妻人人澡欧美一区二区 | 国产精品久久久人人做人人爽| 国产精品久久电影中文字幕| 精品国产美女av久久久久小说| 最新美女视频免费是黄的| 国产欧美日韩精品亚洲av| 国产激情欧美一区二区| 俄罗斯特黄特色一大片| 国产精品1区2区在线观看.| 视频在线观看一区二区三区| 女同久久另类99精品国产91| 麻豆国产av国片精品| 999久久久国产精品视频| 久久这里只有精品19| 免费少妇av软件| 国产精品久久电影中文字幕| 88av欧美| 精品卡一卡二卡四卡免费| 久久热在线av| 老汉色av国产亚洲站长工具| 欧美一级a爱片免费观看看 | 欧美日本亚洲视频在线播放| www国产在线视频色| 日韩精品青青久久久久久| 久久久国产成人免费| 亚洲欧美激情在线| 动漫黄色视频在线观看| 精品一品国产午夜福利视频| 国产国语露脸激情在线看| 亚洲欧美精品综合一区二区三区| 国产精品精品国产色婷婷| 91老司机精品| 两个人免费观看高清视频| 国产区一区二久久| 精品一区二区三区视频在线观看免费| 国产伦人伦偷精品视频| 欧美一级a爱片免费观看看 | 久久久久国产一级毛片高清牌| 纯流量卡能插随身wifi吗| 啪啪无遮挡十八禁网站| 看黄色毛片网站| 日韩三级视频一区二区三区| 两个人看的免费小视频| 午夜福利影视在线免费观看| 黄色 视频免费看| 中亚洲国语对白在线视频| 国产成+人综合+亚洲专区| 天堂√8在线中文| 黄色丝袜av网址大全| 国产又色又爽无遮挡免费看| 国产麻豆69| 国产男靠女视频免费网站| x7x7x7水蜜桃| 久久久久久免费高清国产稀缺| 18禁美女被吸乳视频| 亚洲免费av在线视频| 亚洲欧美日韩另类电影网站| 午夜亚洲福利在线播放| 一级毛片女人18水好多| 在线永久观看黄色视频| 人妻久久中文字幕网| 国产亚洲精品第一综合不卡| 女警被强在线播放| 亚洲精品一卡2卡三卡4卡5卡| 一夜夜www| 国产精品1区2区在线观看.| 黄片大片在线免费观看| 婷婷精品国产亚洲av在线| 午夜久久久在线观看| 久久婷婷人人爽人人干人人爱 | 亚洲精品美女久久久久99蜜臀| 精品高清国产在线一区| 91av网站免费观看| 在线观看www视频免费| 热99re8久久精品国产| 国产又色又爽无遮挡免费看| 亚洲色图综合在线观看| 久久精品国产亚洲av高清一级| 欧美日韩黄片免| 国产熟女午夜一区二区三区| 搡老岳熟女国产| 两个人看的免费小视频| 99国产综合亚洲精品| 国产精品亚洲一级av第二区| 日本vs欧美在线观看视频| 无遮挡黄片免费观看| 色综合欧美亚洲国产小说| www.999成人在线观看| 色播在线永久视频| av网站免费在线观看视频| 午夜福利高清视频| 性欧美人与动物交配| 亚洲男人天堂网一区| 一级毛片高清免费大全| 大型av网站在线播放| 欧美一区二区精品小视频在线| 少妇的丰满在线观看| 亚洲av美国av| 欧美乱色亚洲激情| 久久人妻熟女aⅴ| 激情视频va一区二区三区| 女人被狂操c到高潮| 啦啦啦免费观看视频1| 亚洲情色 制服丝袜| 精品久久久久久久毛片微露脸| 激情在线观看视频在线高清| 老鸭窝网址在线观看| 97碰自拍视频| 法律面前人人平等表现在哪些方面| 国产午夜精品久久久久久| 国产乱人伦免费视频| 亚洲色图 男人天堂 中文字幕| 日韩成人在线观看一区二区三区| 久久热在线av| 免费女性裸体啪啪无遮挡网站| 色哟哟哟哟哟哟| 首页视频小说图片口味搜索| 免费高清视频大片| 免费在线观看视频国产中文字幕亚洲| 两性夫妻黄色片| 午夜福利欧美成人| 最新美女视频免费是黄的| 黄频高清免费视频| 国产99白浆流出| 成年女人毛片免费观看观看9| 国产精品一区二区三区四区久久 | 在线观看免费视频日本深夜| 日本vs欧美在线观看视频| 久久精品国产清高在天天线| 搡老熟女国产l中国老女人| 满18在线观看网站| 老熟妇仑乱视频hdxx| 精品欧美一区二区三区在线| 他把我摸到了高潮在线观看| 国产精品亚洲美女久久久| 18禁裸乳无遮挡免费网站照片 | 国产真人三级小视频在线观看| 精品一区二区三区av网在线观看| 亚洲成人国产一区在线观看| 亚洲情色 制服丝袜| 久久人人精品亚洲av| 久久国产精品男人的天堂亚洲| 国产成人av教育| 曰老女人黄片| 亚洲七黄色美女视频| 一边摸一边抽搐一进一出视频| 视频在线观看一区二区三区| 亚洲精品一卡2卡三卡4卡5卡| 成年人黄色毛片网站| 18禁观看日本| 国产精品秋霞免费鲁丝片| 美女免费视频网站| 欧洲精品卡2卡3卡4卡5卡区| 国产精品久久久人人做人人爽| 50天的宝宝边吃奶边哭怎么回事| 亚洲av美国av| 真人做人爱边吃奶动态| 免费搜索国产男女视频| 在线观看免费视频日本深夜| 免费在线观看黄色视频的| 免费看a级黄色片| 多毛熟女@视频| 日韩欧美三级三区| 看片在线看免费视频| 最近最新中文字幕大全免费视频| 国产视频一区二区在线看| 人人妻人人澡人人看| 国产精品 欧美亚洲| 国产精品久久久久久精品电影 | 国产片内射在线|