• <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 ?

    利用噪聲能量和卡方分布約束的虛假鋒電位篩除方法

    2016-01-20 02:25:50李志輝,劉新玉,尚志剛
    鄭州大學學報(工學版) 2015年5期
    關(guān)鍵詞:means聚類

    利用噪聲能量和卡方分布約束的虛假鋒電位篩除方法

    李志輝,劉新玉,尚志剛

    (鄭州大學 電氣工程學院,河南 鄭州 450001)

    摘要:神經(jīng)元鋒電位可靠檢測在神經(jīng)科學研究與腦機接口應用中具有重要價值.針對低信噪比條件下鋒電位檢測的假陽性問題,提出了一種利用鋒電位信號背景噪聲能量和服從卡方分布約束的虛假鋒電位去除方法.首先使用K-Means算法對過閾值檢測的待判鋒電位進行聚類,并用最小協(xié)方差算法估計各聚類總體噪聲均值向量與協(xié)方差;進而計算各噪聲樣本與對應總體之間的馬氏距離平方作為鋒電位背景噪聲能量和的度量指標;最后利用該指標卡方分布的置信區(qū)間對虛假鋒電位進行篩除.不同信噪比條件下的仿真數(shù)據(jù)和動物實驗數(shù)據(jù)應用結(jié)果表明:與傳統(tǒng)的基于鋒電位波形特征的陣列去噪算法相比,該方法可以有效識別出單電極記錄神經(jīng)信號中的虛假鋒電位,正確率在95%以上,并且計算結(jié)果不依賴于聚類參數(shù)的選擇.

    關(guān)鍵詞:鋒電位檢測;虛假鋒電位;噪聲能量和;馬氏距離;卡方分布;K-Means聚類

    收稿日期:2015-05-01;

    修訂日期:2015-06-29

    基金項目:國家自然科學基金資助項目(U1304602,61473266,61305080);河南省高等學校重點科研資助項目(15A120016)

    作者簡介:李志輝(1978—),女,鄭州大學講師,博士生,研究方向為神經(jīng)信號處理,E-mail:lizhrain@zzu.edu.cn.

    通訊作者:尚志剛(1975—),男,鄭州大學副教授,博士,研究方向為數(shù)據(jù)挖掘與信號處理,E-mail:zhigang_shang@zzu.edu.cn.

    文章編號:1671-6833(2015)05-0111-05

    中圖分類號:R318.04

    文獻標志碼:A

    doi:10.3969/j.issn.1671-6833.2015.05.024

    Abstract:The reliable detection of neuronal spikes plays an important role from basic research in neuroscience to brain-machine interface applications. In order to solve the false positive problem in spike detection, a method was proposed to remove fake spikes, by using the chi-square distribution constraint of noise energy sum. First, the detected spikes over the threshold were separated by K-Means clustering, and the noise samples were acquired so that its means and covariance could be estimated by minimum covariance determinant (MCD) algorithm. Then, the Square of Mahalanobis Distribution (SMD) between each noise event and corresponding population was calculated to indicate the energy sum of noise. Finally, fake spikes were identified if their SMD value were not included in the confidence interval of corresponding chi-square distribution. The results from synthetic data and real neural data showed that the de-noising performance of this method is superior to the traditional methods. Its accuracy rate to identify the fake spikes is above 95%, and its performance is not dependent on the choice of clustering number.

    0引言

    神經(jīng)元鋒電位是利用微電極胞外記錄方式檢測到的神經(jīng)元動作電位信息,對其可靠檢測在神經(jīng)信息編碼機制、腦機接口研究中具有重要應用價值[1-2].在神經(jīng)電生理實驗中,尤其是在信噪比較低的清醒動物神經(jīng)信號采集中,微電極除了記錄神經(jīng)元放電活動之外,還會記錄到大量的神經(jīng)系統(tǒng)背景噪聲、肌電干擾、電磁干擾、以及設備本底噪聲等,尤其是背景噪聲中的一些大幅值有色干擾,與鋒電位具有相似的頻域和時域特征,在以閾值為基礎的檢測方案中經(jīng)常會被誤檢為鋒電位,即產(chǎn)生假陽性問題,從而降低后續(xù)分析結(jié)果的準確性和可靠性[3-5].

    對于虛假鋒電位的篩除,模板匹配是最簡單最常用的方法,例如Quiroga等[6]通過對鋒電位樣本集聚類,將相似度低于給定閾值的樣本作為虛假鋒電位剔除.但該類算法去噪的性能很大程度上取決于聚類的結(jié)果,而虛假鋒電位的存在同時又會對聚類效果造成干擾,去噪效果在低信噪比條件下不甚理想.Ludwig等[7]提出的共同平均參考去噪、Paralikar等[8]提出的虛擬參考去噪算法則是將不同通道的神經(jīng)信號疊加平均作為參考信號,各通道信號與參考信號對消以去除大幅值干擾.此外,Paralikar等[4]還提出了電極間相關(guān)法(Inter-Electrode Correlation,IEC)用于去除虛假鋒電位.這些利用多通道信號去噪算法的一個基本假設是認為噪聲一旦發(fā)生就會被微電極陣列中多個電極同時記錄到,而且波形相似.但是對于空間距離≥250 μm的兩個電極而言,幾乎不可能同時記錄到來自于同一個神經(jīng)元且波形相似的神經(jīng)信號[6],而且各類有色噪聲引起的大幅值干擾往往只會在單個通道中出現(xiàn),無法利用上述陣列方法進行去除.萬紅等[8]采用多元小波閾值去噪算法用于去除鋒電位檢測中的大幅值干擾,吳丹等[9]采用主成分和小波閾值相結(jié)合的聯(lián)合去噪方法用于去除鋒電位檢測信號中的有色噪聲.但是這兩種方法只有在不同通道鋒電位信號之間相互獨立并且包含相關(guān)噪聲的情況下才能達到較好的效果,而且在去噪的同時也會對鋒電位波形造成畸變,對后續(xù)鋒電位分類造成影響.

    鑒于上述方法存在的問題,筆者提出了一種利用噪聲能量和卡方分布約束的虛假鋒電位篩除方法,并利用仿真數(shù)據(jù)和動物實驗數(shù)據(jù)對算法性能進行了對比評估.

    1方法

    1.1理論基礎

    X~Np(μ,∑).

    (1)

    式中:μ為總體均值向量;∑為協(xié)方差矩陣.

    對于單個總體的多元空間異常值(或離群點)的檢測,存在以下定理[11]:

    對于n個p維空間中的樣本X1,X2,…,Xn,如果Xi~Np(μ,∑),i=1,2,…,n,∑>0,那么樣本馬氏距離(Mahalanobis Distance)的平方服從自由度為p的卡方分布,即

    (2)

    因此,總體中的異常樣本可以通過設置卡方分布的1-α置信水平閾值來篩選,如果某個樣本的平方馬氏距離大于該閾值,則認為這個樣本為異常值.

    在實際應用中,檢測到的多個鋒電位通常來自多個總體,且總體的個數(shù)與均值都未知.無法直接應用上述單個總體異常值檢測方法.筆者提出了一種間接思路,采用K-Means聚類,對于一個來自X~Np(μit,∑) 總體的鋒電位,設其所屬聚類的類別均值為μic,則有

    ei=Xi-μic~Np(μit-μic,∑).

    (3)

    對于屬于一個聚類類別的樣本,其類別均值都為μit,如果該類別樣本確實來自同一總體,則該類樣本與聚類均值的誤差都服從相同的多元高斯分布,如公式(2).根據(jù)前述單個總體異常值檢驗方法,該類噪聲樣本的馬氏距離平方應服從卡方分布約束,表征了本底噪聲的加權(quán)能量和.

    為了保證聚類類別中的樣本盡可能來自同一總體,在K-Means聚類中,給定的聚類個數(shù)應相對多些,這樣一個真實的總體可能會分裂為多個子類,但聚類數(shù)過多會導致聚類后各類樣本數(shù)過少,無法估計協(xié)方差.另外,考慮到單根電極同時能記錄到的神經(jīng)元活動一般為4個,最多不會超過8個[12],因此在設置聚類數(shù)時,應保證其取值不小于真實的類別個數(shù).

    1.2虛假鋒電位去除算法

    在上述分析基礎上,筆者提出一種利用聚類樣本與類別均值誤差的馬氏距離作為鋒電位辨別特征,根據(jù)卡方分布確定的閾值來篩除虛假鋒電位.為便于描述,將這種算法命名為MDD(Mahalanobis Distance Denoising,MDD)算法.

    在MDD算法中,最重要的步驟就是準確估計聚類后各類別中的噪聲樣本的均值與協(xié)方差.在采用K-Means算法獲得各聚類樣本與類別均值的噪聲樣本后,筆者采用最小協(xié)方差行列式(Minimum Covariance Determinant,MCD)算法對噪聲的均值和協(xié)方差進行估計.MCD是一種常用的多元位置參數(shù)和尺度參數(shù)估計算法[13],可以有效減小奇異樣本對估計結(jié)果的影響,提高均值和協(xié)方差估計的魯棒性.

    綜上所述,對于給定的多個鋒電位事件樣本,MDD算法的主要步驟如下.

    ① 對信號進行預處理,即將所有樣本的負峰值點沿著同一豎線對齊.

    ② 利用K-Means算法對所有樣本進行聚類,期望聚類數(shù)設為10~16個,計算聚類后各類樣本個數(shù).考慮到協(xié)方差估計的需要,因此在初步聚類后對于樣本數(shù)較少的類別與其距離近的類別融合,保證各類中樣本數(shù)大于特征維數(shù)p.

    ③ 利用MCD算法分別估計出每個聚類總體噪聲樣本的均值向量與協(xié)方差.

    ④ 利用式(2)計算噪聲樣本與對應聚類總體之間的馬氏距離平方.

    2算法應用結(jié)果

    2.1仿真實驗結(jié)果

    參考文獻為了測試MDD算法的性能,首先利用仿真數(shù)據(jù)對算法進行了驗證.仿真數(shù)據(jù)來自[14],由真實鋒電位、背景噪聲和虛假鋒電位組成,真實鋒電位分別來自于3個不同的神經(jīng)元.虛假鋒電位與真實鋒電位具有相同的幅度水平和頻帶.仿真數(shù)據(jù)共由噪聲水平分別為0.05、0.10、0.15、0.20、0.25、0.30、0.35和0.40的8段數(shù)據(jù)組成.噪聲水平定義為背景噪聲的標準差.圖1為噪聲水平為0.1時從仿真數(shù)據(jù)中檢測出的信號波形及聚類結(jié)果,共包括521個鋒電位及51個虛假鋒電位.圖1(a)為所有鋒電位事件波形圖(幅值經(jīng)過方差歸一化);圖1(b)為利用K-Means和MCD算法估計出的不同聚類的鋒電位均值的波形圖,此處設置K-Means的期望聚類數(shù)為16個;圖1(c)為K-Means算法獲得的不同類別的鋒電位波形圖.

    圖1 Spike仿真信號波形及其K-Means聚類

    圖2為從圖1信號中獲得的噪聲及其馬氏距離分布. 圖2(a)中左圖為從信號中提取的多個噪聲波形,右圖為其波形的幅值統(tǒng)計分布及高斯擬合曲線(擬合精度R-square=0.99);圖2(b)為噪聲樣本的馬氏距離分布圖,圖中的直線是根據(jù)卡方分布設定的臨界值,MDD算法共識別出了49個虛假鋒電位,正確率96%.

    表1為不同噪聲水平下MDD算法的識別正確率.識別正確率定義為正確識別的鋒電位個數(shù)(TP)與正確識別鋒電位個數(shù)及漏檢的鋒電位個數(shù)(FN)和誤判的鋒電位個數(shù)(FP)之和的比(即TP/(TP+FN+FP)).由表1可知,在不同噪聲水平下,MDD算法的識別正確率都在95%以上.

    注:圖中星號(*)標記的事件為真正的虛假鋒電位;圓圈(°)標記的事件為識別出的虛假鋒電位.

    圖2 信號的噪聲波形及其馬氏距離分布

    2.2實驗結(jié)果

    為了進一步測試算法的性能,筆者利用動物實驗實測數(shù)據(jù)對MDD算法進行驗證,并將其與多通道相關(guān)法IEC算法進行了對比.實測數(shù)據(jù)采用神經(jīng)信號采集系統(tǒng)(CerebusTM,Blockrock Inc.),在7只LE(Long Evans)大鼠V1區(qū)利用微電極陣列(Microprobe Inc.,2×8鉑銥合金微電極陣列,電極阻抗在1 kHz下為0.5~1.0 MΩ)記錄得到.視覺刺激和實驗過程詳見參考文獻[15].采集后的信號使用通帶為0.25~5 kHz的二階帶通Butterworth濾波器濾波,并采用內(nèi)置的幅度閾值方法進行鋒電位檢測,各通道的鋒電位檢測閾值為4或5倍噪聲標準差.將檢測后的鋒電位負峰值點沿同一豎線對齊.數(shù)據(jù)運算在MATLAB 7.6.0(R2008a)環(huán)境下進行.從7只大鼠共112個通道中去除無效通道后(信噪比較差或檢測到的事件個數(shù)小于500的通道被視為無效通道),共提取了46個有效通道.

    MDD算法與IEC算法的對比結(jié)果如圖3所示.圖3(a)為信號最大的兩個主成分散點圖,由圖可見,IEC算法識別出的虛假鋒電位大多離聚類中心較近,而MDD算法識別出的大都遠離聚類中心. 圖(b)和(c)分別為IEC算法和MDD算法識別出的有效鋒電位波形圖,對比二者可以看到,采用MDD算法篩除虛假鋒電位后的鋒電位波形變異要明顯小于IEC算法.

    注:圖中灰色圓點(?)代表記錄到的事件;黑色下三角形(▽)為IEC算法識別出的虛假鋒電位;黑色上三角形(△)為MDD算法識別出的虛假鋒電位.

    圖3 IEC算法和MDD算法識別結(jié)果對比圖

    (4)

    其中單個鋒電位的信噪比計算公式為

    (5)

    式中:std(·)為標準差;max(·)為最大值;min(·)為最小值.

    噪聲標準差為各鋒電位信號噪聲成分的平均標準差,計算公式為

    (6)

    獲得的46組神經(jīng)信號在去噪前、IEC算法去噪后、MDD算法去噪后的信噪比、噪聲標準差對比結(jié)果如表2所示.經(jīng)過去噪之后,MDD算法去噪后信號的信噪比高于IEC算法(p<0.05),而噪聲能量低于IEC算法(p<0.05),展現(xiàn)出良好的去噪性能.

    表2 IEC算法和MDD算法去噪性能對比

    3結(jié)論

    通過對實驗結(jié)果的分析可以看到,筆者提出的MDD算法可以有效識別出鋒電位中混雜的虛假鋒電位事件,識別正確率在95%以上;與基于多通道信息的IEC算法相比,MDD算法表現(xiàn)出了更好的去噪效果.仿真數(shù)據(jù)和實測數(shù)據(jù)的應用結(jié)果表明,筆者提出的MDD算法可以有效篩除神經(jīng)信號中的虛假鋒電位.

    虛假鋒電位的篩除目前并沒有通用有效的方法.筆者提出的MDD算法是一種單通道去噪算法,利用真實鋒電位背景噪聲能量和應服從卡方分布這一約束來實現(xiàn)對虛假鋒電位的辨別,可以避免如平均參考去除、小波分解等算法在鋒電位檢測前進行去噪而造成信號畸變、識別準確率下降的問題.此外,MDD算法中雖然采用了K-Means聚類,但并不需要精確對鋒電位進行聚類,聚類數(shù)目的選擇并不影響虛假鋒電位的篩除效果.不過,MDD算法會把疊加的鋒電位信號識別為虛假鋒電位,因此對于識別出的虛假鋒電位事件還需要進一步篩選出疊加鋒電位信號,并利用相應的方法進行解耦合處理.

    [1]HOHL S S, CHAISANGUTHUM K S, LISBERGER S G. Sensory population decoding for visually guided movements[J]. Neuron, 2014, 79(1): 169-179.

    [2]BECEDAS J and QUIROGA R Q Real time decoding for brain-machine interface applications[J]. Journal of Bioinformatics and Biological Engineering, 2014, 2(1): 20-32.

    [3]WAN Hong, LIU Xin-yu, NIU Xiao-ke, et al. The design and implementation of anti-interference system in neural electrophysiological experiments[J]. Electrical Engineering and Control, Lecture Notes in Electrical Engneering, 2011(98): 605-611.

    [4]PARALIKAR J K, RAO C R, CLEMENT R S. New approaches to eliminating common-noise artifacts in recordings from intracortical microelectrode arrays: inter-electrode correlation and virtual referencing[J]. Journal of Neuroscience Methods, 2009, 181(1): 27-35.

    [5]HILL D N, MEHTA S B, KLEINFELD D. Quality metrics to accompany spike sorting of extracellular signals[J]. Journal of Neuroscience, 2011, 31(24): 8699-8705.

    [6]QUIROGA R Q, NADASDY Z, BEN S Y. Unsupervised spike detection and sorting with wavelets and superparamagnetic clustering[J]. Neural Computation, 2004, 16(8): 1661-87.

    [7]LUDWIG K A, MIRIANI R M, LANGHALS N B, et al. Using a common average reference to improve cortical neuron recordings from microelectrode arrays[J]. Journal of Neurophysiology, 2009, 101(3): 1679-1689.

    [8]萬紅, 李曉燕, 劉新玉, 等. 鋒電位檢測信號的多元小波去噪方法研究[J]. 系統(tǒng)仿真學報, 2013, 25(10): 2487-2498.

    [9]吳丹, 封洲燕, 王靜. 微電極陣列神經(jīng)元鋒電位信號的去噪方法[J]. 浙江大學學報:工學版, 2010, 44(1): 105-110.

    [10]FAISAL A A, SELEN L P, WOLPERT D M, Noise in the nervous system[J], Nat Rev Neurosci, 2008, 9(4): 292-303.

    [11]高惠璇. 應用多元統(tǒng)計分析[M].北京:北京大學出版社, 2005.

    [12]PEDREIRA C, MARTINEZ J, ISON M J, et al. How many neurons can we see with current spike sorting algorithms[J]. Journal of Neuroscience Methods. 2012, 211(1): 58-65.

    [13]HUBERT M, DEBRUYNE M, Minimum covariance determinant[J],Wiley Interdisciplinary Reviews: Computational Statistics, 2010, 2(1):36-43.

    [14]MARTINZE J, PEDREIRA C, ISON M J, et al. Realistic simulation of extracellular recordings[J]. Journal of Neuroscience Methods. 2009, 184(2): 285-293.

    [15]劉新玉. 神經(jīng)元鋒電位干擾抑制算法研究及實現(xiàn)[D]. 鄭州:鄭州大學電氣工程學院, 2012.

    A Method to Remove Fake Spikes by Means of Chi-Square Distribution

    Constraint of Noise Energy Sum

    LI Zhi-hui, LIU Xin-yu, SHANG Zhi-gang

    (School of Electrical Engineering, Zhengzhou University, Zhengzhou 450001, China)

    Key words: Spike detection; fake spike; noise energy sum; mahalanobis distance; chi-square distribution; K-Means clustering

    猜你喜歡
    means聚類
    基于改進FCM聚類醫(yī)學圖像配準
    基于改進的K—means算法研究家庭環(huán)境對中學生認知能力的影響
    一個基于超像素的圖像分割算法
    改進模擬退火算法的K—means聚類方法在學生成績上的應用
    基于用戶偏好和K—means聚類的可信云資源選擇算法
    基于改進的K—Means視頻分類
    基于“粉絲經(jīng)濟”的自媒體社群用戶消費意愿研究
    人工神經(jīng)網(wǎng)絡在聚類分析中的運用
    雹云圖像的識別指標設計
    基于QPSO聚類算法的圖像分割方法
    科技視界(2016年12期)2016-05-25 11:54:25
    亚洲一区高清亚洲精品| 国产亚洲精品久久久久久毛片| 亚洲美女搞黄在线观看 | 欧美日本亚洲视频在线播放| 天天一区二区日本电影三级| 内地一区二区视频在线| av在线天堂中文字幕| 少妇被粗大猛烈的视频| 国产午夜福利久久久久久| 搞女人的毛片| 成人永久免费在线观看视频| 美女被艹到高潮喷水动态| x7x7x7水蜜桃| 丝袜美腿在线中文| 草草在线视频免费看| 成年女人看的毛片在线观看| 赤兔流量卡办理| 欧美另类亚洲清纯唯美| 毛片一级片免费看久久久久 | 狂野欧美激情性xxxx在线观看| 两个人的视频大全免费| 国产免费男女视频| 精品人妻一区二区三区麻豆 | 色综合婷婷激情| 亚洲无线在线观看| 此物有八面人人有两片| 欧美人与善性xxx| 老女人水多毛片| 给我免费播放毛片高清在线观看| 国产一区二区三区在线臀色熟女| 久久久久久久久大av| 成人毛片a级毛片在线播放| 久久精品国产亚洲av涩爱 | 午夜福利18| 三级男女做爰猛烈吃奶摸视频| 啦啦啦韩国在线观看视频| xxxwww97欧美| 国模一区二区三区四区视频| a级毛片a级免费在线| 精品久久久久久久久亚洲 | 国产精品女同一区二区软件 | 成年版毛片免费区| 真人一进一出gif抽搐免费| 成人特级av手机在线观看| 日韩中字成人| 欧美一区二区精品小视频在线| 午夜免费男女啪啪视频观看 | 桃红色精品国产亚洲av| 俄罗斯特黄特色一大片| 国产高清激情床上av| 午夜福利高清视频| 成人高潮视频无遮挡免费网站| 亚洲久久久久久中文字幕| 久9热在线精品视频| 欧美性猛交黑人性爽| 高清日韩中文字幕在线| 亚洲 国产 在线| 欧美最新免费一区二区三区| 欧美潮喷喷水| 国内久久婷婷六月综合欲色啪| 最近在线观看免费完整版| 岛国在线免费视频观看| 国产欧美日韩精品亚洲av| 亚洲自拍偷在线| 国产精品一区二区性色av| 欧美激情久久久久久爽电影| 欧美最黄视频在线播放免费| 蜜桃亚洲精品一区二区三区| 午夜精品在线福利| 国产伦人伦偷精品视频| 深夜精品福利| 一级a爱片免费观看的视频| 悠悠久久av| 99久久九九国产精品国产免费| 日韩大尺度精品在线看网址| 男人狂女人下面高潮的视频| 久久久国产成人免费| 夜夜爽天天搞| 别揉我奶头~嗯~啊~动态视频| 干丝袜人妻中文字幕| 国产av麻豆久久久久久久| 成人国产综合亚洲| av天堂在线播放| 日本精品一区二区三区蜜桃| 99国产精品一区二区蜜桃av| 一进一出抽搐动态| 尤物成人国产欧美一区二区三区| 99精品在免费线老司机午夜| 亚洲,欧美,日韩| 国内精品一区二区在线观看| 九九在线视频观看精品| 不卡视频在线观看欧美| 中文字幕av在线有码专区| 日本三级黄在线观看| 国产单亲对白刺激| 欧美色视频一区免费| 一区二区三区免费毛片| 亚洲性夜色夜夜综合| 九色成人免费人妻av| 亚洲美女视频黄频| 精品人妻视频免费看| 亚洲成人久久性| 网址你懂的国产日韩在线| netflix在线观看网站| 欧美一级a爱片免费观看看| 亚洲国产精品久久男人天堂| 久久久久性生活片| 久久久色成人| 毛片一级片免费看久久久久 | 一个人观看的视频www高清免费观看| 噜噜噜噜噜久久久久久91| 少妇的逼好多水| 久久中文看片网| avwww免费| 国产三级在线视频| 免费在线观看影片大全网站| 亚洲中文字幕日韩| 国产乱人伦免费视频| 亚洲最大成人中文| 欧美+日韩+精品| 真人做人爱边吃奶动态| 黄色欧美视频在线观看| 日韩欧美在线二视频| 如何舔出高潮| 亚洲成a人片在线一区二区| 乱系列少妇在线播放| 春色校园在线视频观看| 日韩av在线大香蕉| 亚洲狠狠婷婷综合久久图片| 国产av不卡久久| 国产精品国产三级国产av玫瑰| 国产一区二区在线观看日韩| 精品人妻视频免费看| 亚洲成人精品中文字幕电影| 丰满乱子伦码专区| 精品午夜福利在线看| 亚洲综合色惰| 日韩欧美一区二区三区在线观看| 一级a爱片免费观看的视频| 国产男靠女视频免费网站| av天堂在线播放| 国产av在哪里看| 午夜影院日韩av| 日韩欧美精品v在线| 他把我摸到了高潮在线观看| 两个人视频免费观看高清| 99久久精品国产国产毛片| 午夜福利视频1000在线观看| 18禁裸乳无遮挡免费网站照片| 日本 欧美在线| 两个人视频免费观看高清| 天美传媒精品一区二区| 日韩欧美免费精品| 欧美一区二区亚洲| 深爱激情五月婷婷| 乱人视频在线观看| 我要搜黄色片| 一级毛片久久久久久久久女| 超碰av人人做人人爽久久| 极品教师在线免费播放| 中文字幕熟女人妻在线| 国产一区二区激情短视频| 国产精品三级大全| 国产精品爽爽va在线观看网站| 欧美日韩中文字幕国产精品一区二区三区| 国产黄a三级三级三级人| 五月玫瑰六月丁香| 欧美黑人欧美精品刺激| 亚州av有码| 十八禁网站免费在线| 亚洲自偷自拍三级| 99在线人妻在线中文字幕| 国产欧美日韩精品亚洲av| 国产一区二区激情短视频| 丰满乱子伦码专区| 舔av片在线| 69人妻影院| 亚洲av熟女| 国模一区二区三区四区视频| www.www免费av| 亚洲va在线va天堂va国产| 俺也久久电影网| 精品欧美国产一区二区三| 乱系列少妇在线播放| 一级黄片播放器| 亚洲av电影不卡..在线观看| 婷婷亚洲欧美| 久久亚洲精品不卡| 婷婷色综合大香蕉| 国产伦精品一区二区三区视频9| 国产主播在线观看一区二区| 日韩欧美一区二区三区在线观看| 搡女人真爽免费视频火全软件 | 又黄又爽又刺激的免费视频.| 中文字幕av在线有码专区| 亚洲av五月六月丁香网| av国产免费在线观看| 一个人免费在线观看电影| 一级av片app| 伦精品一区二区三区| 女同久久另类99精品国产91| 国产爱豆传媒在线观看| 亚洲精品一区av在线观看| 久久国产乱子免费精品| 国产伦精品一区二区三区视频9| 久久99热这里只有精品18| 免费电影在线观看免费观看| 国产精品三级大全| 亚洲最大成人av| 欧美zozozo另类| 日韩高清综合在线| 日本a在线网址| 最近视频中文字幕2019在线8| 久久亚洲精品不卡| 亚洲av.av天堂| 国产国拍精品亚洲av在线观看| 99九九线精品视频在线观看视频| 校园人妻丝袜中文字幕| 男女视频在线观看网站免费| 成年人黄色毛片网站| 美女 人体艺术 gogo| 蜜桃亚洲精品一区二区三区| 午夜久久久久精精品| 99热精品在线国产| 91狼人影院| 在线观看午夜福利视频| 美女cb高潮喷水在线观看| 国产成人av教育| av黄色大香蕉| 内射极品少妇av片p| 国产高清不卡午夜福利| 在线免费观看的www视频| 精品欧美国产一区二区三| 窝窝影院91人妻| 婷婷精品国产亚洲av在线| 精品免费久久久久久久清纯| 欧美日韩亚洲国产一区二区在线观看| 午夜福利欧美成人| 亚洲狠狠婷婷综合久久图片| 欧美xxxx性猛交bbbb| 久久人妻av系列| 亚洲成av人片在线播放无| 欧美激情久久久久久爽电影| av.在线天堂| 欧美日本亚洲视频在线播放| 九九久久精品国产亚洲av麻豆| 免费高清视频大片| 搡老妇女老女人老熟妇| 久久国内精品自在自线图片| xxxwww97欧美| 黄色丝袜av网址大全| 在线国产一区二区在线| 亚洲av五月六月丁香网| 国产免费一级a男人的天堂| www日本黄色视频网| 国产成年人精品一区二区| 极品教师在线免费播放| 成人无遮挡网站| 中文字幕精品亚洲无线码一区| 国产精品久久电影中文字幕| a级一级毛片免费在线观看| 亚洲av二区三区四区| 91午夜精品亚洲一区二区三区 | 禁无遮挡网站| 又爽又黄无遮挡网站| 又黄又爽又刺激的免费视频.| av在线亚洲专区| 国产一级毛片七仙女欲春2| 亚洲成人精品中文字幕电影| 国产精品国产三级国产av玫瑰| 极品教师在线免费播放| 美女cb高潮喷水在线观看| 国产亚洲欧美98| 又黄又爽又刺激的免费视频.| 一个人看视频在线观看www免费| 亚洲av中文av极速乱 | 毛片女人毛片| 又爽又黄无遮挡网站| 淫妇啪啪啪对白视频| 一个人看视频在线观看www免费| 欧美日韩黄片免| av国产免费在线观看| 久久精品影院6| 丝袜美腿在线中文| 一进一出抽搐动态| 精品久久久久久久久久久久久| 亚洲精华国产精华液的使用体验 | 天天躁日日操中文字幕| 欧美xxxx性猛交bbbb| 国产av一区在线观看免费| 韩国av一区二区三区四区| 夜夜看夜夜爽夜夜摸| 亚洲国产精品sss在线观看| 免费高清视频大片| 少妇猛男粗大的猛烈进出视频 | 99热这里只有是精品在线观看| 久久国产精品人妻蜜桃| 日韩国内少妇激情av| 我的老师免费观看完整版| 日本 av在线| 91久久精品国产一区二区三区| 最后的刺客免费高清国语| 久久精品国产99精品国产亚洲性色| 欧美一级a爱片免费观看看| 又黄又爽又免费观看的视频| 中文字幕av成人在线电影| 他把我摸到了高潮在线观看| 日韩欧美免费精品| 国产精品一区www在线观看 | 欧美日韩精品成人综合77777| 国产一区二区在线av高清观看| 久久亚洲真实| 女人被狂操c到高潮| 国产欧美日韩精品一区二区| av天堂中文字幕网| 国产 一区精品| 久久久午夜欧美精品| 九九久久精品国产亚洲av麻豆| 偷拍熟女少妇极品色| 在线观看午夜福利视频| 亚洲精品影视一区二区三区av| 人妻少妇偷人精品九色| 真人一进一出gif抽搐免费| 亚洲美女搞黄在线观看 | 天堂av国产一区二区熟女人妻| 日本成人三级电影网站| 亚洲精品日韩av片在线观看| 亚洲国产欧美人成| 亚洲va在线va天堂va国产| 99久国产av精品| 在线国产一区二区在线| 精品一区二区三区人妻视频| 搡女人真爽免费视频火全软件 | 又粗又爽又猛毛片免费看| 日韩欧美三级三区| 免费搜索国产男女视频| 两人在一起打扑克的视频| 免费观看精品视频网站| 三级男女做爰猛烈吃奶摸视频| 2021天堂中文幕一二区在线观| 国产av不卡久久| 禁无遮挡网站| 午夜爱爱视频在线播放| 午夜日韩欧美国产| 草草在线视频免费看| 亚洲av一区综合| 三级毛片av免费| 亚洲人成伊人成综合网2020| 欧美高清性xxxxhd video| 一个人看视频在线观看www免费| 日韩精品青青久久久久久| 哪里可以看免费的av片| www.www免费av| 亚洲男人的天堂狠狠| 成人精品一区二区免费| 亚洲中文字幕一区二区三区有码在线看| 日韩精品有码人妻一区| 少妇裸体淫交视频免费看高清| 亚洲人成伊人成综合网2020| 成人欧美大片| 亚洲一区二区三区色噜噜| 日韩欧美三级三区| www.www免费av| 国产精品永久免费网站| 白带黄色成豆腐渣| eeuss影院久久| 69人妻影院| 国产aⅴ精品一区二区三区波| 99久久九九国产精品国产免费| 久久人人爽人人爽人人片va| 美女高潮的动态| 成人国产综合亚洲| 国产一区二区亚洲精品在线观看| 很黄的视频免费| 黄色配什么色好看| 亚洲真实伦在线观看| 一夜夜www| 色综合婷婷激情| 99久久中文字幕三级久久日本| 国产亚洲av嫩草精品影院| 午夜精品一区二区三区免费看| 国产一级毛片七仙女欲春2| 亚洲自偷自拍三级| 成人性生交大片免费视频hd| 中文字幕高清在线视频| 免费看a级黄色片| 国产伦人伦偷精品视频| 欧美极品一区二区三区四区| 亚洲精品一卡2卡三卡4卡5卡| 99久久中文字幕三级久久日本| 国产精品嫩草影院av在线观看 | 日本-黄色视频高清免费观看| 免费高清视频大片| 别揉我奶头 嗯啊视频| 色在线成人网| 久久国内精品自在自线图片| 国产激情偷乱视频一区二区| 午夜福利在线在线| 我要搜黄色片| 亚洲国产精品久久男人天堂| 亚洲国产高清在线一区二区三| 亚洲内射少妇av| 非洲黑人性xxxx精品又粗又长| 亚洲性久久影院| 精品国产三级普通话版| 禁无遮挡网站| 午夜视频国产福利| 一级a爱片免费观看的视频| 久久午夜福利片| 国产精品一区二区免费欧美| 精品人妻偷拍中文字幕| 免费大片18禁| 色尼玛亚洲综合影院| 日本黄大片高清| 最近视频中文字幕2019在线8| 老司机福利观看| 亚洲中文字幕日韩| 日本 欧美在线| 国产探花极品一区二区| 嫩草影院精品99| 国产伦精品一区二区三区四那| 91麻豆精品激情在线观看国产| 免费看av在线观看网站| 亚洲av二区三区四区| 国产男人的电影天堂91| 三级毛片av免费| 久久久久国产精品人妻aⅴ院| 一进一出好大好爽视频| 久久久色成人| 18+在线观看网站| 少妇丰满av| 国产亚洲av嫩草精品影院| 麻豆一二三区av精品| 日韩中字成人| 亚洲av免费高清在线观看| 午夜免费男女啪啪视频观看 | 草草在线视频免费看| 精品午夜福利视频在线观看一区| 麻豆久久精品国产亚洲av| 18禁裸乳无遮挡免费网站照片| 一个人看的www免费观看视频| 久久久精品欧美日韩精品| 级片在线观看| 国产一区二区在线观看日韩| 日本撒尿小便嘘嘘汇集6| 日本黄大片高清| 亚洲精品影视一区二区三区av| 一个人看视频在线观看www免费| 精品久久国产蜜桃| 亚洲av成人精品一区久久| 亚洲美女视频黄频| 婷婷丁香在线五月| 免费看a级黄色片| 无人区码免费观看不卡| 国产一级毛片七仙女欲春2| 中亚洲国语对白在线视频| 最新在线观看一区二区三区| 国产高潮美女av| 嫁个100分男人电影在线观看| 看十八女毛片水多多多| 日本爱情动作片www.在线观看 | av在线亚洲专区| 国产精品爽爽va在线观看网站| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲精品久久国产高清桃花| 日韩人妻高清精品专区| 女的被弄到高潮叫床怎么办 | 午夜免费男女啪啪视频观看 | 蜜桃久久精品国产亚洲av| 99热只有精品国产| 久久久久久久久中文| 岛国在线免费视频观看| 国产一级毛片七仙女欲春2| 国产中年淑女户外野战色| 黄片wwwwww| 日本一本二区三区精品| 乱人视频在线观看| 亚洲专区国产一区二区| 亚洲成人久久爱视频| 成人三级黄色视频| 日本一本二区三区精品| av在线天堂中文字幕| 精品福利观看| 人妻少妇偷人精品九色| 精品久久久久久久久亚洲 | 国产精品爽爽va在线观看网站| 久久久久国产精品人妻aⅴ院| 国产精华一区二区三区| 免费看a级黄色片| 黄色配什么色好看| 少妇猛男粗大的猛烈进出视频 | 亚洲最大成人av| 国产亚洲精品av在线| 听说在线观看完整版免费高清| 欧美日韩国产亚洲二区| 我要搜黄色片| 免费看光身美女| 69av精品久久久久久| 国产精品乱码一区二三区的特点| 欧美成人性av电影在线观看| 国产精品国产高清国产av| 免费人成视频x8x8入口观看| 看十八女毛片水多多多| 亚洲五月天丁香| 在线天堂最新版资源| 久久午夜亚洲精品久久| 国产高潮美女av| 日韩 亚洲 欧美在线| 久久久久久九九精品二区国产| 久9热在线精品视频| 精品人妻偷拍中文字幕| 中文字幕免费在线视频6| 免费高清视频大片| 日韩国内少妇激情av| 国产亚洲精品久久久com| 2021天堂中文幕一二区在线观| 尤物成人国产欧美一区二区三区| 露出奶头的视频| 一个人看的www免费观看视频| 成人性生交大片免费视频hd| 亚洲欧美日韩无卡精品| 精品一区二区三区av网在线观看| 观看美女的网站| 免费观看在线日韩| 一级av片app| 国产精品人妻久久久影院| 欧美+日韩+精品| 99久久精品国产国产毛片| 99久久久亚洲精品蜜臀av| 91麻豆av在线| 亚洲熟妇熟女久久| 欧美不卡视频在线免费观看| 国产成人aa在线观看| 一区福利在线观看| 国产探花在线观看一区二区| 99国产精品一区二区蜜桃av| 国产爱豆传媒在线观看| 欧洲精品卡2卡3卡4卡5卡区| 亚洲无线在线观看| 欧美最新免费一区二区三区| 久久精品国产亚洲网站| 国产精品,欧美在线| 少妇的逼水好多| 最近最新免费中文字幕在线| 久久久午夜欧美精品| 直男gayav资源| a级毛片a级免费在线| 又紧又爽又黄一区二区| 国产精品美女特级片免费视频播放器| 日韩中字成人| a级一级毛片免费在线观看| 欧美黑人巨大hd| 亚洲精品亚洲一区二区| 天堂影院成人在线观看| 亚洲av日韩精品久久久久久密| 黄色一级大片看看| 乱系列少妇在线播放| 婷婷六月久久综合丁香| 日韩在线高清观看一区二区三区 | 久久精品国产亚洲av涩爱 | 日本免费a在线| 人妻夜夜爽99麻豆av| 女的被弄到高潮叫床怎么办 | 中国美白少妇内射xxxbb| 亚洲va在线va天堂va国产| 国产午夜精品久久久久久一区二区三区 | 嫁个100分男人电影在线观看| 村上凉子中文字幕在线| 啦啦啦观看免费观看视频高清| 69av精品久久久久久| 男女啪啪激烈高潮av片| 日韩欧美国产在线观看| 一个人免费在线观看电影| 免费在线观看影片大全网站| 内地一区二区视频在线| 嫩草影院精品99| 免费观看在线日韩| 色av中文字幕| 淫秽高清视频在线观看| 成人特级黄色片久久久久久久| 91精品国产九色| 成年女人永久免费观看视频| 小说图片视频综合网站| 国产精品伦人一区二区| 国产一区二区激情短视频| 小说图片视频综合网站| 久久精品国产99精品国产亚洲性色| 哪里可以看免费的av片| 欧美最新免费一区二区三区| 欧美3d第一页| 麻豆国产97在线/欧美| 波野结衣二区三区在线| 97超级碰碰碰精品色视频在线观看| 国产成年人精品一区二区| 看免费成人av毛片| x7x7x7水蜜桃| 亚洲18禁久久av| 亚洲色图av天堂| 桃色一区二区三区在线观看| 天堂√8在线中文| .国产精品久久| 欧美中文日本在线观看视频| 色哟哟·www| 中文亚洲av片在线观看爽| 特大巨黑吊av在线直播| 露出奶头的视频| 99视频精品全部免费 在线| 麻豆av噜噜一区二区三区| 十八禁网站免费在线| 波野结衣二区三区在线| 久久精品国产99精品国产亚洲性色| 国产精品三级大全| 熟女电影av网| 午夜福利成人在线免费观看| 亚洲精品国产成人久久av|