• <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 ?

    基于深度學(xué)習(xí)的運(yùn)動(dòng)想象腦電信號(hào)識(shí)別方法*

    2022-04-12 08:44:02宋春寧寧正高
    傳感器與微系統(tǒng) 2022年4期
    關(guān)鍵詞:時(shí)頻電信號(hào)識(shí)別率

    宋春寧, 盛 勇, 寧正高

    (廣西大學(xué) 電氣工程學(xué)院, 廣西 南寧 530004)

    0 引 言

    腦—機(jī)接口(brain-computer interface,BCI)技術(shù)是一門多學(xué)科融合的新型人機(jī)結(jié)合技術(shù)。目前較為普遍的是利用大腦特定活動(dòng)產(chǎn)生的腦電(electroencephalogram,EEG)信號(hào)控制外部電子設(shè)備,其基本過程是首先使用電極采集到腦電信號(hào),再經(jīng)過放大、去噪、濾波等一系列預(yù)處理后,最后利用特征提取與分類算法將信號(hào)解碼成控制設(shè)備的指令。有效提出腦電特征并準(zhǔn)確分類是BCI的關(guān)鍵。研究發(fā)現(xiàn),當(dāng)人進(jìn)行單側(cè)肢體運(yùn)動(dòng)想象時(shí)大腦主感覺運(yùn)動(dòng)皮層的特定頻段的能量會(huì)出現(xiàn)變化,這類現(xiàn)象被稱為事件相關(guān)去同步(event-related desynchronization,ERD)及事件相關(guān)同步(event-related synchronization,ERS)[1]?;跁r(shí)頻分析方法的左右手運(yùn)動(dòng)想象腦電信號(hào)分類效果要由于單純的時(shí)域或頻域分析方法。在基于左右手運(yùn)動(dòng)想象腦電信號(hào)識(shí)別方法中,文獻(xiàn)[2]使用短時(shí)傅里葉變換(short-time Fourier transform,STFT)時(shí)頻圖像結(jié)合卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)與SAE(stacked autoencoder)模型,其識(shí)別效果優(yōu)于普通CNN;文獻(xiàn)[3]使用小波變換時(shí)頻圖像結(jié)合CNN進(jìn)行分類,使用C3及C4電極進(jìn)行實(shí)驗(yàn),驗(yàn)證了添加CZ電極會(huì)降低分類器的識(shí)別效果。文獻(xiàn)[4]使用STFT時(shí)頻圖像結(jié)合CNN與支持向量機(jī)(support vector machine,SVM),效果優(yōu)于傳統(tǒng)的濾波器組共空間模式(filter bank common spatial patern,FBCSP),但其分類耗時(shí)較高。傳統(tǒng)的時(shí)間—頻率方法主要包括:STFT、小波變換(wavelet transform,WT)、S變換(S transform)等。

    由于STFT窗函數(shù)寬度固定不變,窗太窄雖然會(huì)有高的時(shí)間分辨率但會(huì)導(dǎo)致頻率分辨率差;窗太寬則會(huì)導(dǎo)致時(shí)間分辨率過低,不利于腦電信號(hào)的時(shí)頻特征提取。WT的分析結(jié)果并不是真正的時(shí)間—頻率譜,從而導(dǎo)致信號(hào)特征的精確度有一定的問題。S變換是STFT與WT的繼承與發(fā)展,加入了WT法的多分辨率分析思想,有效克服了STFT時(shí)窗固定的缺點(diǎn),能較好地適應(yīng)非平穩(wěn)信號(hào)。S變換能同時(shí)在時(shí)域和頻域內(nèi)提供信號(hào)良好的局部時(shí)頻特征,因此,它適合用于具有特定節(jié)律特征的運(yùn)動(dòng)想象腦電信號(hào)的分析,而且還不需要考慮小波基函數(shù)選擇問題。

    CNN是一種非常有效的圖像識(shí)別方法,在語音識(shí)別、計(jì)算機(jī)視覺、圖像處理等方面取得了不錯(cuò)的成績(jī),在腦電信號(hào)分類領(lǐng)域也有研究[5~7]。通常CNN的最后一層可以看成是一個(gè)線性分類器,但卻不是一個(gè)最優(yōu)的分類器。Huang G B等人[8]在2004年提出了一種單隱層網(wǎng)絡(luò)學(xué)習(xí)算法,稱為極限學(xué)習(xí)機(jī)(extreme learning machine,ELM),與傳統(tǒng)的單隱含層網(wǎng)絡(luò)相比,ELM在保證學(xué)習(xí)精度的前提下比傳統(tǒng)的學(xué)習(xí)算法速度更快,泛化性能好等優(yōu)點(diǎn)。針對(duì)CNN泛化能力稍差、較易陷入局部極值點(diǎn)的不足之處,本文采用CNN和ELM相結(jié)合的方法,使用ELM取代CNN的最后一層。

    在腦電信號(hào)采集過程中,受試者受疲勞和精力分散的影響,很難長(zhǎng)時(shí)間保持良好的實(shí)驗(yàn)狀態(tài),很難獲得足夠和優(yōu)質(zhì)的被試標(biāo)記數(shù)據(jù)。在分類問題中,分類模型面對(duì)小樣本訓(xùn)練集能力往往受到限制。文獻(xiàn)[9]使用高斯噪聲作為信息源輸入進(jìn)一個(gè)基于快速傅里葉變換(FFT)的系統(tǒng)來產(chǎn)生腦電信號(hào),但此方法忽視了腦電信號(hào)的時(shí)域特性。文獻(xiàn)[10]將不同時(shí)間段的腦電信號(hào)進(jìn)行拼接構(gòu)造新的數(shù)據(jù),雖然保持了時(shí)域特征然而忽視了腦電信號(hào)的頻域特性。

    針對(duì)以上問題本文提出一種基于ACGAN(auxiliary classifier generative adversarial networks)的數(shù)據(jù)增強(qiáng)方法,即使用ACGAN模型進(jìn)行時(shí)頻特征圖像的擴(kuò)增來提高小樣本數(shù)據(jù)下分類模型的分類性能。

    1 S變換基本原理

    S變換是地球物理學(xué)家Stockwell R G在1996年提出的,是連續(xù)WT和STFT的發(fā)展,適用于非平穩(wěn)信號(hào)的分析[11]。

    信號(hào)X(t)的S變換定義如下

    (1)

    (2)

    式中ω(τ-t,f)為高斯窗口,f為頻率,τ為控制高斯窗口關(guān)于時(shí)間軸t的位置參數(shù)。

    其逆變換公式如下

    (3)

    由式(1)和式(2)可知,S變換是在繼承STFT原理的基礎(chǔ)上采用了寬度可變的高斯窗函數(shù)。高斯窗函數(shù)ω(t,f)是時(shí)間和頻率的函數(shù),窗寬與頻率呈反比,這使得窗函數(shù)在低頻區(qū)域具有良好的頻率分辨率,在高頻區(qū)域具有良好的時(shí)間分辨率。

    2 CNN-ELM網(wǎng)絡(luò)結(jié)構(gòu)

    2.1 ELM

    ELM網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 ELM模型

    對(duì)于給定樣本(xi,yi)∈Rn×Rm(i=1,2,…,N),有激勵(lì)函數(shù)為g(ai,bi,x)和隱節(jié)點(diǎn)數(shù)目L個(gè),ELM網(wǎng)絡(luò)模型可以表示為

    (4)

    式中ai為輸入權(quán)值;bi為隱含層的偏差;βi為連接隱含層與輸出層的輸出權(quán)值;Oj∈Rn為網(wǎng)絡(luò)輸出值。當(dāng)激勵(lì)函數(shù)g能夠以零誤差逼近任意N個(gè)樣本時(shí),可以將式(4)表示為矩陣形式

    Hβ=T

    (5)

    (6)

    式(6)等價(jià)于求解Hβ=T的最小二乘解,即尋找最優(yōu)的輸出權(quán)值β為

    β=H+T

    (7)

    式中H+=HT(HHT)-1為隱含層輸出矩陣H的廣義逆矩陣。

    2.2 CNN-ELM結(jié)構(gòu)與參數(shù)

    本文將CNN與ELM相結(jié)合,將ELM取代CNN的最后一層,其結(jié)構(gòu)如圖2所示。

    圖2 CNN-ELM模型結(jié)構(gòu)

    本文CNN兩個(gè)卷積層分別使用不同形狀的卷積核,以便更好地提取圖像特征。網(wǎng)絡(luò)模型第1層為輸入層,輸入圖像大小為48×46;第2層為卷積層,該層有8個(gè)卷積核,其卷積核的大小為[3×3],設(shè)置步長(zhǎng)為大小為[1×2],使用二維卷積核是為了更好地提取圖像的時(shí)頻特性;第3層為最大池化層,大小為[2×2];第4層為卷積層,該層有8個(gè)卷積核,卷積核的大小為[23×1];最后為ELM。網(wǎng)絡(luò)的訓(xùn)練過程如下:先采用梯度下降法調(diào)整CNN的參數(shù),當(dāng)訓(xùn)練誤差小于一定值時(shí)停止訓(xùn)練,之后將CNN全連接層提取的特征作為ELM的輸入用于ELM的訓(xùn)練。當(dāng)ELM訓(xùn)練完成后,將它取代訓(xùn)練完成的CNN的最后一層,整個(gè)分類網(wǎng)絡(luò)也就形成了。

    3 實(shí)驗(yàn)ACGAN模型結(jié)構(gòu)與參數(shù)

    ACGAN是在GAN的基礎(chǔ)上由Odena A等人[12]在2016年提出的一種新的輔助標(biāo)簽GAN。ACGAN損失函數(shù)包含兩部分第一部分Ls是面向數(shù)據(jù)真實(shí)與否的最大似然估計(jì)如式(8),第二部分Lc則是面向數(shù)據(jù)分類準(zhǔn)確性的最大似然估計(jì)如式(9)。在ACGAN的訓(xùn)練中,優(yōu)化的方向是希望判別器使得Ls+Lc盡可能大,而生成器使得Ls-Lc盡可能大。式(8)、式(9)如下

    Ls=E[logP(S=real|Xreal)]+E[logP(S=fake|Xfake)]

    (8)

    Lc=E[logP(C=c|Xreal)]+E[logP(C=c|Xfake)]

    (9)

    表1實(shí)驗(yàn)使用的ACGAN其具體的結(jié)構(gòu)如表1所示。ACGAN的輸入、輸出圖像大小均為 48×46。模型訓(xùn)練批量大小為30,生成器第一層為全連接層輸出尺寸為(30,24,23,128);第二層為上采樣層輸出尺寸為(30,48,46,128);第三層為卷積層輸出尺寸為(30,48,46,128);第四層為卷積層輸出尺寸大小為(30,48,46,64);第五層為卷積層輸出尺寸大小為(30,48,46,1)。判別器第一層為卷積層輸出尺寸大小為(60,24,23,32);第二層為卷積層輸出尺寸大小為(60,12,12,64);第三層為卷積層輸出尺寸大小為(60,6,6,128);第四層為兩個(gè)全連接層,神經(jīng)元個(gè)數(shù)分別為 1(判斷真假) 和 2(2分類)。

    表1 本文ACGAN的生成器與判別器結(jié)構(gòu)

    4 實(shí)驗(yàn)過程與結(jié)果分析

    4.1 實(shí)驗(yàn)數(shù)據(jù)來源

    實(shí)驗(yàn)采用的左右手運(yùn)動(dòng)想象腦電數(shù)據(jù)來自BCI Competition II,BCI Competition III和BCI Competition IV。前一數(shù)據(jù)集共包含一名女性受試者,該實(shí)驗(yàn)的任務(wù)是按照箭頭提示進(jìn)行左右手運(yùn)動(dòng)想象來控制一個(gè)反饋條移動(dòng),每9 s采集一次,所有的試次(Trials)均在同一天完成,總共280個(gè)試次,其中想象左右手運(yùn)動(dòng)各140個(gè)試次。實(shí)驗(yàn)采集了C3,C4,CZ三個(gè)電極的腦電信號(hào),信號(hào)的頻率為128 Hz。三個(gè)數(shù)據(jù)集的實(shí)驗(yàn)過程的詳細(xì)描述,如文獻(xiàn)[13]所述。實(shí)驗(yàn)選取C3,C4電極的8~13 Hz及18~24 Hz頻段圖像進(jìn)行組合,其大小為尺寸48×46,組合圖像如圖3所示。

    圖3 組合特征圖像

    4.2 CNN-ELM實(shí)驗(yàn)結(jié)果

    為檢驗(yàn)本文方法的性能,選用BCI Competition II競(jìng)賽數(shù)據(jù)采用五折交叉驗(yàn)證法和訓(xùn)練集測(cè)試集比例1︰1分別進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果如表2所示,該表選用對(duì)應(yīng)文獻(xiàn)中的最優(yōu)結(jié)果。STFT+CNN-SAE是文獻(xiàn)[2]中采用的方法,先用STFT方法進(jìn)行時(shí)頻特征提取,然后使用CNN-SAE模型進(jìn)行特征分類。WT+CNN是文獻(xiàn)[3]中采用的方法,先用WT方法進(jìn)行時(shí)頻特征提取,然后使用CNN模型進(jìn)行特征分類。文獻(xiàn)[14]使用WT結(jié)合小波神經(jīng)網(wǎng)絡(luò)(wavelet neural network,WNN),由于存在過擬合問題,進(jìn)行數(shù)據(jù)增強(qiáng)后識(shí)別率為91.1 %。由表2可以看出本文模型的識(shí)別率要優(yōu)于文獻(xiàn)[2]和文獻(xiàn)[3]及文獻(xiàn)[14]所提出的方法的識(shí)別率。

    表2 BCI Competition II數(shù)據(jù)識(shí)別率

    在BCI Competition III數(shù)據(jù)集上,分別選取被試者O3,S4,X11分別選取320,540,540個(gè)樣本采用五折交叉驗(yàn)證法進(jìn)行實(shí)驗(yàn)。表3列舉了不同文獻(xiàn)在上的識(shí)別率,可見本文的識(shí)別率要優(yōu)于其他方法。

    表3 BCI Competition III數(shù)據(jù)識(shí)別率 %

    4.3 數(shù)據(jù)增強(qiáng)實(shí)驗(yàn)

    實(shí)驗(yàn)選用BCI Competition IV數(shù)據(jù)集中5名受試者進(jìn)行實(shí)驗(yàn)。數(shù)據(jù)增強(qiáng)實(shí)驗(yàn)分為訓(xùn)練過程與測(cè)試過程。訓(xùn)練過程將由ACGAN的生成器產(chǎn)生出新的樣本數(shù)據(jù),新數(shù)據(jù)用于擴(kuò)增原始數(shù)據(jù)后用于分類器的訓(xùn)練。測(cè)試過程使用訓(xùn)練好的分類器對(duì)測(cè)試集進(jìn)行預(yù)測(cè),從而得出分類器在測(cè)試集上的識(shí)別準(zhǔn)確率。選取每名受試者200個(gè)樣本作為訓(xùn)練集用于訓(xùn)練ACGAN,其余520個(gè)樣本作為分類器的測(cè)試集。

    為了驗(yàn)證數(shù)據(jù)增強(qiáng)的效果,實(shí)驗(yàn)擴(kuò)增了原始的200個(gè)數(shù)據(jù),分別加入了新的200,400,600,800個(gè)新生成的樣本,其實(shí)驗(yàn)結(jié)果如表4和圖4所示。表4列出了5名受試者在不同擴(kuò)增數(shù)據(jù)下的平均識(shí)別正確率,可知原始數(shù)據(jù)未擴(kuò)增時(shí)分類器的平均識(shí)別正確率為76.3 %,當(dāng)擴(kuò)增400個(gè)樣本時(shí)平均識(shí)別正確率78.2 %達(dá)到最大。從圖4可以直觀看出最初加入200個(gè)新樣本受試者B04,B05,B08以及B09在測(cè)試集上的識(shí)別正確率得到了提升,而在之后隨著生成樣本的加入各位受試者的識(shí)別正確率走勢(shì)也有所不同。當(dāng)加入的生成樣本遠(yuǎn)大于原始樣本時(shí)分類器更多的去擬合生成樣本的分布,而一定程度上忽視了原始樣本的分布,觀察平均識(shí)別正確率可知,當(dāng)添加的新樣本數(shù)量大于600時(shí)識(shí)別正確率會(huì)逐漸降低。

    表4 數(shù)據(jù)增強(qiáng)實(shí)驗(yàn)結(jié)果

    圖4 數(shù)據(jù)增強(qiáng)實(shí)驗(yàn)結(jié)果

    5 結(jié)束語

    基于運(yùn)動(dòng)想象的BCI是眾多BCI范式中的重要組成部分,提高腦電信號(hào)的識(shí)別精度是BCI技術(shù)從實(shí)驗(yàn)室研究走向?qū)嶋H應(yīng)用的關(guān)鍵之一。本文研究了利用ELM方法實(shí)現(xiàn)左右手運(yùn)動(dòng)想象腦電信號(hào)的自動(dòng)分類。采用的CNN-ELM模型具有模型簡(jiǎn)單,準(zhǔn)確率高的特點(diǎn),采用的數(shù)據(jù)增強(qiáng)方法豐富了小樣本數(shù)據(jù)集樣本的數(shù)量提高了識(shí)別率。實(shí)驗(yàn)表明CNN結(jié)合ELM提高了識(shí)別率,具有較好的泛化性能,在一定程度上滿足了更高要求BCI系統(tǒng)的需求。

    猜你喜歡
    時(shí)頻電信號(hào)識(shí)別率
    基于聯(lián)合聚類分析的單通道腹部心電信號(hào)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(cè)
    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(shí)別率的關(guān)系
    基于Code Composer Studio3.3完成對(duì)心電信號(hào)的去噪
    科技傳播(2019年24期)2019-06-15 09:29:28
    提升高速公路MTC二次抓拍車牌識(shí)別率方案研究
    基于隨機(jī)森林的航天器電信號(hào)多分類識(shí)別方法
    高速公路機(jī)電日常維護(hù)中車牌識(shí)別率分析系統(tǒng)的應(yīng)用
    基于時(shí)頻分析的逆合成孔徑雷達(dá)成像技術(shù)
    對(duì)采樣數(shù)據(jù)序列進(jìn)行時(shí)頻分解法的改進(jìn)
    雙線性時(shí)頻分布交叉項(xiàng)提取及損傷識(shí)別應(yīng)用
    欧美精品人与动牲交sv欧美| 国产无遮挡羞羞视频在线观看| 亚洲av成人精品一二三区| av在线老鸭窝| 人妻人人澡人人爽人人| 日韩制服骚丝袜av| 亚洲成人av在线免费| 五月天丁香电影| 久久精品国产自在天天线| 丁香六月天网| 亚洲婷婷狠狠爱综合网| 中文字幕人妻丝袜制服| 一本—道久久a久久精品蜜桃钙片| 亚洲国产色片| 亚洲精品一区蜜桃| 国产永久视频网站| 欧美另类一区| 人妻制服诱惑在线中文字幕| 少妇丰满av| 亚洲av免费高清在线观看| 国产一区二区三区综合在线观看 | 日日爽夜夜爽网站| 一级爰片在线观看| 夫妻午夜视频| 免费人妻精品一区二区三区视频| 美女中出高潮动态图| 一级毛片我不卡| 亚洲欧洲国产日韩| 免费观看av网站的网址| 欧美变态另类bdsm刘玥| 三级国产精品片| 在线观看美女被高潮喷水网站| 久久99蜜桃精品久久| av在线老鸭窝| 王馨瑶露胸无遮挡在线观看| 日本wwww免费看| 人成视频在线观看免费观看| 香蕉精品网在线| 国产精品人妻久久久影院| 国产免费现黄频在线看| 一边摸一边做爽爽视频免费| 日韩伦理黄色片| 久热这里只有精品99| av卡一久久| 99热国产这里只有精品6| 国产成人一区二区在线| 黄色视频在线播放观看不卡| 少妇丰满av| 色5月婷婷丁香| 亚洲国产精品成人久久小说| 亚洲国产av影院在线观看| 国产精品国产av在线观看| 亚洲四区av| 一区二区av电影网| 亚洲,欧美,日韩| 中文乱码字字幕精品一区二区三区| 精品久久久久久久久亚洲| 亚洲精品一二三| 青青草视频在线视频观看| 在线观看免费视频网站a站| 99久久综合免费| 亚洲欧美成人综合另类久久久| 国产精品人妻久久久久久| 久久久久精品性色| 午夜久久久在线观看| 国产极品天堂在线| 尾随美女入室| 国产69精品久久久久777片| 黄色怎么调成土黄色| 日产精品乱码卡一卡2卡三| 性高湖久久久久久久久免费观看| 老熟女久久久| 最近2019中文字幕mv第一页| 国产免费视频播放在线视频| 五月玫瑰六月丁香| 国产午夜精品久久久久久一区二区三区| 国产一区二区三区综合在线观看 | 精品久久国产蜜桃| 男女边摸边吃奶| 少妇高潮的动态图| 久久久a久久爽久久v久久| 国产日韩欧美视频二区| 嫩草影院入口| 亚洲精品亚洲一区二区| 青春草亚洲视频在线观看| 亚洲欧美精品自产自拍| av线在线观看网站| 精品久久久久久久久av| 日产精品乱码卡一卡2卡三| 美女主播在线视频| 永久免费av网站大全| 一个人免费看片子| 韩国av在线不卡| 99久久综合免费| 777米奇影视久久| 国产 一区精品| 波野结衣二区三区在线| 久热这里只有精品99| 黑人巨大精品欧美一区二区蜜桃 | 色吧在线观看| 日韩av不卡免费在线播放| 成人亚洲精品一区在线观看| 黄色欧美视频在线观看| 嘟嘟电影网在线观看| 日韩欧美精品免费久久| 人人妻人人添人人爽欧美一区卜| 久久久久久久久大av| 只有这里有精品99| 国产av精品麻豆| 欧美变态另类bdsm刘玥| 久久精品国产亚洲av天美| 免费黄色在线免费观看| 亚洲精品成人av观看孕妇| 丰满少妇做爰视频| 美女xxoo啪啪120秒动态图| 各种免费的搞黄视频| 国产成人精品久久久久久| 亚洲国产精品999| 亚洲精品成人av观看孕妇| 精品一区在线观看国产| 亚洲av日韩在线播放| 少妇的逼水好多| 国产亚洲一区二区精品| 99久久精品国产国产毛片| 黑人欧美特级aaaaaa片| 欧美人与性动交α欧美精品济南到 | 午夜免费观看性视频| 一二三四中文在线观看免费高清| 亚洲精品,欧美精品| 色5月婷婷丁香| 一边摸一边做爽爽视频免费| 国产亚洲精品久久久com| 日本猛色少妇xxxxx猛交久久| 亚洲天堂av无毛| 日韩av不卡免费在线播放| 欧美丝袜亚洲另类| videossex国产| 国产精品免费大片| 亚洲精品色激情综合| 观看av在线不卡| 午夜日本视频在线| 永久网站在线| 国产成人精品福利久久| 99国产精品免费福利视频| 男人添女人高潮全过程视频| 日本黄色片子视频| 91精品伊人久久大香线蕉| 大片电影免费在线观看免费| 国产欧美日韩综合在线一区二区| 国产精品成人在线| 国产成人精品久久久久久| 99re6热这里在线精品视频| 新久久久久国产一级毛片| 妹子高潮喷水视频| 51国产日韩欧美| 最后的刺客免费高清国语| 黄色毛片三级朝国网站| 亚洲综合色网址| 国产精品秋霞免费鲁丝片| 久久99精品国语久久久| 人妻夜夜爽99麻豆av| 少妇高潮的动态图| 国产av一区二区精品久久| 特大巨黑吊av在线直播| 简卡轻食公司| 国产免费视频播放在线视频| 男女国产视频网站| 男女啪啪激烈高潮av片| 狂野欧美激情性bbbbbb| 国产 一区精品| 国产精品麻豆人妻色哟哟久久| 久久久久人妻精品一区果冻| 日本vs欧美在线观看视频| 精品国产一区二区三区久久久樱花| 成人无遮挡网站| videosex国产| 最后的刺客免费高清国语| 亚洲av国产av综合av卡| 日韩电影二区| 在现免费观看毛片| 国产伦精品一区二区三区视频9| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 精品人妻熟女毛片av久久网站| 国产色爽女视频免费观看| 久久久久国产精品人妻一区二区| 曰老女人黄片| 精品人妻熟女av久视频| 狂野欧美激情性bbbbbb| 美女国产高潮福利片在线看| 在线观看免费高清a一片| 91在线精品国自产拍蜜月| 日本爱情动作片www.在线观看| 9色porny在线观看| 久久韩国三级中文字幕| 人人妻人人添人人爽欧美一区卜| 成人影院久久| 一级毛片电影观看| 久久ye,这里只有精品| 久久综合国产亚洲精品| 人人澡人人妻人| 国产av国产精品国产| 国产免费视频播放在线视频| 在线 av 中文字幕| 国产 精品1| 丰满饥渴人妻一区二区三| 日本黄色片子视频| 欧美日韩亚洲高清精品| 国产在线一区二区三区精| 精品亚洲成a人片在线观看| 在线观看免费视频网站a站| 蜜桃在线观看..| 亚洲在久久综合| 国产白丝娇喘喷水9色精品| 国产成人精品在线电影| 国产有黄有色有爽视频| 国产女主播在线喷水免费视频网站| freevideosex欧美| 精品国产乱码久久久久久小说| 免费不卡的大黄色大毛片视频在线观看| 精品一区二区免费观看| 一本—道久久a久久精品蜜桃钙片| 中文精品一卡2卡3卡4更新| 多毛熟女@视频| 美女福利国产在线| 中文乱码字字幕精品一区二区三区| av网站免费在线观看视频| 亚洲精品aⅴ在线观看| 亚洲精品,欧美精品| 免费播放大片免费观看视频在线观看| 久久久久视频综合| 一级片'在线观看视频| 国产熟女午夜一区二区三区 | 亚洲内射少妇av| 国产男人的电影天堂91| 五月玫瑰六月丁香| 日本vs欧美在线观看视频| 日本黄大片高清| 亚洲人成网站在线观看播放| 亚洲精品第二区| 国产高清国产精品国产三级| 午夜福利网站1000一区二区三区| 高清毛片免费看| 美女福利国产在线| 少妇被粗大猛烈的视频| kizo精华| 51国产日韩欧美| 18禁裸乳无遮挡动漫免费视频| 国产高清不卡午夜福利| 亚洲少妇的诱惑av| av国产久精品久网站免费入址| 又大又黄又爽视频免费| 国产av码专区亚洲av| videosex国产| 女性生殖器流出的白浆| 精品酒店卫生间| 人妻制服诱惑在线中文字幕| 岛国毛片在线播放| 亚洲成人av在线免费| 精品国产一区二区三区久久久樱花| 欧美日韩一区二区视频在线观看视频在线| 国产男女超爽视频在线观看| 国产av精品麻豆| 日韩人妻高清精品专区| 一本色道久久久久久精品综合| 青青草视频在线视频观看| 高清不卡的av网站| 国产成人a∨麻豆精品| 18禁在线无遮挡免费观看视频| 精品一区二区三区视频在线| 久久精品夜色国产| 久热久热在线精品观看| 亚洲av在线观看美女高潮| 亚洲欧美色中文字幕在线| 99久久精品一区二区三区| 久久久欧美国产精品| 国产成人午夜福利电影在线观看| 免费看不卡的av| 免费大片黄手机在线观看| 一级毛片黄色毛片免费观看视频| 亚洲精品乱码久久久久久按摩| 午夜日本视频在线| 又大又黄又爽视频免费| 亚洲综合色网址| 中文字幕最新亚洲高清| 亚洲婷婷狠狠爱综合网| 国产精品久久久久久av不卡| 制服丝袜香蕉在线| 男女啪啪激烈高潮av片| 91aial.com中文字幕在线观看| 2018国产大陆天天弄谢| 国产精品偷伦视频观看了| 亚洲第一区二区三区不卡| 男女啪啪激烈高潮av片| 视频区图区小说| 高清av免费在线| 少妇猛男粗大的猛烈进出视频| 女性被躁到高潮视频| 99热全是精品| 乱人伦中国视频| 中国美白少妇内射xxxbb| 看免费成人av毛片| 久久久久久久久久久久大奶| 视频区图区小说| 亚洲精品乱久久久久久| 国产视频首页在线观看| 丝袜美足系列| 狂野欧美激情性bbbbbb| 十八禁高潮呻吟视频| 精品亚洲乱码少妇综合久久| 精品一区二区三卡| 精品人妻熟女毛片av久久网站| 欧美日韩一区二区视频在线观看视频在线| freevideosex欧美| 观看av在线不卡| 国产精品三级大全| 一区二区三区乱码不卡18| 亚洲人与动物交配视频| 99久久人妻综合| 成人午夜精彩视频在线观看| 人妻制服诱惑在线中文字幕| 我的老师免费观看完整版| 国产亚洲精品第一综合不卡 | 精品少妇内射三级| 大香蕉97超碰在线| 九九爱精品视频在线观看| 午夜影院在线不卡| 亚洲久久久国产精品| 91久久精品电影网| 菩萨蛮人人尽说江南好唐韦庄| 国产综合精华液| 国产 精品1| 久久久久久久亚洲中文字幕| 日韩在线高清观看一区二区三区| 久久人妻熟女aⅴ| 18在线观看网站| 国产成人免费观看mmmm| 色哟哟·www| 春色校园在线视频观看| 国产一级毛片在线| 日韩精品免费视频一区二区三区 | 日韩亚洲欧美综合| 国产精品蜜桃在线观看| 免费看不卡的av| 欧美精品人与动牲交sv欧美| 国产精品秋霞免费鲁丝片| 青青草视频在线视频观看| 9热在线视频观看99| 久久狼人影院| 久久精品国产亚洲av高清一级| 一本色道久久久久久精品综合| 国产免费视频播放在线视频| 激情视频va一区二区三区| 国产不卡av网站在线观看| a级毛片在线看网站| 亚洲国产中文字幕在线视频| 热99国产精品久久久久久7| 波多野结衣av一区二区av| 性色av乱码一区二区三区2| 亚洲成a人片在线一区二区| 国产99久久九九免费精品| 999久久久精品免费观看国产| 一本一本久久a久久精品综合妖精| 国产黄色免费在线视频| av一本久久久久| 在线 av 中文字幕| 成年动漫av网址| 大型av网站在线播放| 人妻久久中文字幕网| 亚洲色图av天堂| 久久精品熟女亚洲av麻豆精品| 夜夜爽天天搞| 午夜福利视频精品| 99久久人妻综合| 免费女性裸体啪啪无遮挡网站| 国产单亲对白刺激| 亚洲自偷自拍图片 自拍| 免费少妇av软件| 18禁美女被吸乳视频| 女人精品久久久久毛片| 天天躁日日躁夜夜躁夜夜| 波多野结衣av一区二区av| 日本a在线网址| 2018国产大陆天天弄谢| 国产精品国产高清国产av | tocl精华| 大型黄色视频在线免费观看| 好男人电影高清在线观看| 日韩欧美三级三区| 免费女性裸体啪啪无遮挡网站| 日本a在线网址| 国产精品偷伦视频观看了| 十分钟在线观看高清视频www| 50天的宝宝边吃奶边哭怎么回事| 夜夜骑夜夜射夜夜干| 亚洲 国产 在线| av欧美777| 女人久久www免费人成看片| 黄频高清免费视频| 大香蕉久久成人网| 嫁个100分男人电影在线观看| 成年人黄色毛片网站| 99热网站在线观看| 久久国产精品人妻蜜桃| 久久久久网色| 国产又爽黄色视频| 欧美黄色片欧美黄色片| 国产午夜精品久久久久久| 俄罗斯特黄特色一大片| 国产欧美日韩一区二区精品| 大码成人一级视频| 中文字幕av电影在线播放| 9热在线视频观看99| 伊人久久大香线蕉亚洲五| 日韩 欧美 亚洲 中文字幕| 免费在线观看完整版高清| 男女免费视频国产| 香蕉国产在线看| 一级片'在线观看视频| 高清av免费在线| 9191精品国产免费久久| 老司机靠b影院| 国产伦理片在线播放av一区| 国产黄频视频在线观看| 亚洲熟女精品中文字幕| www.精华液| 国产欧美日韩综合在线一区二区| 国产精品电影一区二区三区 | 在线观看免费高清a一片| 成年人午夜在线观看视频| 国产精品香港三级国产av潘金莲| 成年人免费黄色播放视频| 中国美女看黄片| 国产亚洲午夜精品一区二区久久| 亚洲av片天天在线观看| 亚洲成人免费电影在线观看| 丁香欧美五月| 视频在线观看一区二区三区| 18禁裸乳无遮挡动漫免费视频| 国产人伦9x9x在线观看| av不卡在线播放| 在线观看66精品国产| 久久久久久免费高清国产稀缺| av线在线观看网站| 在线观看免费视频网站a站| 亚洲精品中文字幕一二三四区 | 色播在线永久视频| 手机成人av网站| 99国产极品粉嫩在线观看| 国产三级黄色录像| 亚洲国产精品一区二区三区在线| 国产黄频视频在线观看| 久久久久精品人妻al黑| 1024香蕉在线观看| 欧美激情高清一区二区三区| 亚洲国产av影院在线观看| 91九色精品人成在线观看| 国产深夜福利视频在线观看| 国产亚洲欧美在线一区二区| 51午夜福利影视在线观看| 亚洲伊人久久精品综合| 亚洲精品av麻豆狂野| 97在线人人人人妻| 色精品久久人妻99蜜桃| 久久精品国产综合久久久| 国产高清视频在线播放一区| 一进一出好大好爽视频| av网站免费在线观看视频| 2018国产大陆天天弄谢| 久久久久久人人人人人| 一本一本久久a久久精品综合妖精| 汤姆久久久久久久影院中文字幕| www.熟女人妻精品国产| 国产精品一区二区精品视频观看| 涩涩av久久男人的天堂| 国产欧美日韩精品亚洲av| 女人精品久久久久毛片| 午夜日韩欧美国产| 国产精品影院久久| 午夜福利在线免费观看网站| 国产极品粉嫩免费观看在线| 一级毛片精品| 亚洲伊人色综图| 99精国产麻豆久久婷婷| av网站在线播放免费| 曰老女人黄片| 成年动漫av网址| 久久精品91无色码中文字幕| 国产高清videossex| av免费在线观看网站| 午夜福利乱码中文字幕| av网站免费在线观看视频| 欧美成人免费av一区二区三区 | 18禁美女被吸乳视频| bbb黄色大片| 精品国产国语对白av| av视频免费观看在线观看| 色精品久久人妻99蜜桃| 一级片'在线观看视频| 国产老妇伦熟女老妇高清| av天堂在线播放| 国产一区二区三区在线臀色熟女 | 国产精品电影一区二区三区 | 大型av网站在线播放| 欧美另类亚洲清纯唯美| 国产精品久久久久成人av| 亚洲成av片中文字幕在线观看| 国产极品粉嫩免费观看在线| 久久精品亚洲精品国产色婷小说| 亚洲美女黄片视频| 欧美激情高清一区二区三区| 精品熟女少妇八av免费久了| 成人精品一区二区免费| 嫩草影视91久久| 丝袜美腿诱惑在线| 欧美黄色淫秽网站| 精品少妇内射三级| 国产欧美日韩一区二区三区在线| 国产精品香港三级国产av潘金莲| 99re6热这里在线精品视频| 电影成人av| 亚洲avbb在线观看| 无限看片的www在线观看| 亚洲 国产 在线| 天天添夜夜摸| 国产日韩一区二区三区精品不卡| 久久久久久免费高清国产稀缺| 亚洲精品美女久久av网站| 中文字幕人妻熟女乱码| 免费一级毛片在线播放高清视频 | 日日爽夜夜爽网站| 国产欧美日韩一区二区三区在线| 国产欧美亚洲国产| 桃花免费在线播放| 一区二区三区乱码不卡18| 97在线人人人人妻| 叶爱在线成人免费视频播放| 老司机午夜福利在线观看视频 | 国产精品电影一区二区三区 | 亚洲,欧美精品.| 中文欧美无线码| 啦啦啦视频在线资源免费观看| 国产深夜福利视频在线观看| 夜夜爽天天搞| 丝袜美足系列| 精品人妻1区二区| 久久精品国产亚洲av高清一级| 精品午夜福利视频在线观看一区 | 色尼玛亚洲综合影院| 在线观看www视频免费| 大陆偷拍与自拍| 成人18禁在线播放| 热re99久久精品国产66热6| 大香蕉久久网| av又黄又爽大尺度在线免费看| 一边摸一边做爽爽视频免费| 国产亚洲精品久久久久5区| 一级毛片电影观看| 久久久精品区二区三区| 黄色视频不卡| av网站在线播放免费| www日本在线高清视频| 天天添夜夜摸| 男女高潮啪啪啪动态图| 少妇粗大呻吟视频| 亚洲欧美一区二区三区黑人| 色尼玛亚洲综合影院| 国产日韩欧美视频二区| 热99久久久久精品小说推荐| 一本色道久久久久久精品综合| 亚洲欧美日韩另类电影网站| videosex国产| 亚洲欧洲日产国产| 久久人人97超碰香蕉20202| 高清毛片免费观看视频网站 | 成人特级黄色片久久久久久久 | 久久久欧美国产精品| 一区二区av电影网| 亚洲国产欧美网| 亚洲中文av在线| 最新美女视频免费是黄的| 好男人电影高清在线观看| 在线观看免费午夜福利视频| av免费在线观看网站| 国产成人精品无人区| 午夜福利视频精品| 日韩欧美三级三区| 欧美黄色淫秽网站| 蜜桃国产av成人99| 久久精品亚洲av国产电影网| 成年人午夜在线观看视频| 欧美激情高清一区二区三区| 精品少妇久久久久久888优播| 两个人免费观看高清视频| 国产精品久久电影中文字幕 | 在线av久久热| 黄色 视频免费看| 国产福利在线免费观看视频| 欧美国产精品va在线观看不卡| 国产精品.久久久| 成人18禁在线播放| 久久毛片免费看一区二区三区| 99精品久久久久人妻精品| 超碰成人久久| 精品久久久久久久毛片微露脸| 王馨瑶露胸无遮挡在线观看| 国产一卡二卡三卡精品| 日韩中文字幕视频在线看片| 日韩免费av在线播放| 免费观看人在逋| 午夜激情久久久久久久| 国产真人三级小视频在线观看| 国产精品秋霞免费鲁丝片| 亚洲熟女毛片儿| 亚洲av电影在线进入| 午夜91福利影院|