• <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
    五月伊人婷婷丁香| 久久久久久久精品精品| 亚洲精华国产精华液的使用体验| 亚洲国产精品成人久久小说| 免费看a级黄色片| 精品一区二区三卡| 久久精品熟女亚洲av麻豆精品| 99久久精品一区二区三区| 不卡视频在线观看欧美| 久久久久久久久久久免费av| 国产精品一区二区性色av| 久久国产乱子免费精品| 黄片无遮挡物在线观看| 精品久久久久久电影网| 九色成人免费人妻av| 亚洲精品国产色婷婷电影| 亚洲欧美日韩卡通动漫| 中文乱码字字幕精品一区二区三区| 啦啦啦啦在线视频资源| 精品久久久噜噜| 伊人久久精品亚洲午夜| 欧美三级亚洲精品| 亚洲天堂av无毛| 国产亚洲91精品色在线| 午夜亚洲福利在线播放| 中文乱码字字幕精品一区二区三区| 免费黄网站久久成人精品| 国产伦精品一区二区三区四那| 成人亚洲精品一区在线观看 | 国产美女午夜福利| 免费看日本二区| 亚洲美女搞黄在线观看| 国产淫语在线视频| 日本熟妇午夜| 永久免费av网站大全| 少妇人妻一区二区三区视频| 国产欧美另类精品又又久久亚洲欧美| 日本爱情动作片www.在线观看| 国产 精品1| 中文在线观看免费www的网站| 国产伦在线观看视频一区| 99视频精品全部免费 在线| 日韩一本色道免费dvd| 成人亚洲精品一区在线观看 | 人妻一区二区av| 一个人看的www免费观看视频| 日本-黄色视频高清免费观看| 2021天堂中文幕一二区在线观| 免费不卡的大黄色大毛片视频在线观看| 一级二级三级毛片免费看| 国语对白做爰xxxⅹ性视频网站| 国产人妻一区二区三区在| 欧美高清性xxxxhd video| 精品久久久久久久人妻蜜臀av| 国产男女超爽视频在线观看| 男女边摸边吃奶| 亚洲精品视频女| 国产精品一及| 日本av手机在线免费观看| 亚洲成人久久爱视频| 熟妇人妻不卡中文字幕| 午夜视频国产福利| 看十八女毛片水多多多| 91精品伊人久久大香线蕉| 亚洲国产精品成人综合色| 最近的中文字幕免费完整| 精品亚洲乱码少妇综合久久| 亚洲欧美成人精品一区二区| 麻豆久久精品国产亚洲av| 亚洲欧洲国产日韩| 亚洲精品国产色婷婷电影| 国内精品宾馆在线| 99久久人妻综合| 伦精品一区二区三区| 91久久精品电影网| 99久久精品热视频| 欧美性猛交╳xxx乱大交人| 2021少妇久久久久久久久久久| 直男gayav资源| 看黄色毛片网站| 欧美最新免费一区二区三区| 夜夜看夜夜爽夜夜摸| 国内少妇人妻偷人精品xxx网站| 国产精品无大码| 国产伦精品一区二区三区视频9| 日韩三级伦理在线观看| 超碰av人人做人人爽久久| 嫩草影院入口| 男人和女人高潮做爰伦理| 国产v大片淫在线免费观看| 久久久久久久久久久丰满| 国产成人午夜福利电影在线观看| 久久久久久久久久成人| av.在线天堂| 大话2 男鬼变身卡| 人妻夜夜爽99麻豆av| 1000部很黄的大片| 人妻夜夜爽99麻豆av| 国内精品美女久久久久久| 中文天堂在线官网| 久久久久久九九精品二区国产| 三级男女做爰猛烈吃奶摸视频| 在线天堂最新版资源| 国产黄片美女视频| 人人妻人人澡人人爽人人夜夜| 制服丝袜香蕉在线| 国产 一区精品| 日本色播在线视频| 亚洲图色成人| 夜夜爽夜夜爽视频| 国产毛片在线视频| 婷婷色av中文字幕| 极品少妇高潮喷水抽搐| 亚洲国产精品999| 日韩欧美 国产精品| 国产精品人妻久久久影院| 精品久久久久久久末码| 欧美 日韩 精品 国产| 精品少妇黑人巨大在线播放| 精品久久久久久久久亚洲| 久久久久久久精品精品| 女的被弄到高潮叫床怎么办| 国产一区二区三区综合在线观看 | 一级毛片黄色毛片免费观看视频| 日韩伦理黄色片| 亚洲色图综合在线观看| 国产91av在线免费观看| 人妻制服诱惑在线中文字幕| 又大又黄又爽视频免费| 91在线精品国自产拍蜜月| 晚上一个人看的免费电影| 岛国毛片在线播放| 日韩精品有码人妻一区| 六月丁香七月| 亚洲av在线观看美女高潮| 亚洲成人av在线免费| 精品国产三级普通话版| 日本爱情动作片www.在线观看| 亚洲精品456在线播放app| 欧美老熟妇乱子伦牲交| 男女啪啪激烈高潮av片| 国产欧美另类精品又又久久亚洲欧美| 性色avwww在线观看| 精品99又大又爽又粗少妇毛片| 18+在线观看网站| 三级国产精品欧美在线观看| 亚洲精品日韩av片在线观看| 国产综合精华液| 在线免费观看不下载黄p国产| 亚洲不卡免费看| 欧美激情久久久久久爽电影| 亚洲真实伦在线观看| 免费av毛片视频| 久久综合国产亚洲精品| 五月伊人婷婷丁香| 久久精品国产亚洲av涩爱| 精品人妻偷拍中文字幕| 免费观看a级毛片全部| 97在线视频观看| 性插视频无遮挡在线免费观看| 日韩 亚洲 欧美在线| 国产综合懂色| 99re6热这里在线精品视频| av在线蜜桃| 男女啪啪激烈高潮av片| 免费大片黄手机在线观看| 国产亚洲5aaaaa淫片| 激情五月婷婷亚洲| 水蜜桃什么品种好| 日韩电影二区| 国内精品美女久久久久久| 亚洲av福利一区| 2021少妇久久久久久久久久久| 久热久热在线精品观看| 国产午夜精品一二区理论片| 亚洲一区二区三区欧美精品 | 亚洲美女搞黄在线观看| 久久久久久久久久久免费av| 久久久久精品久久久久真实原创| av国产精品久久久久影院| 三级国产精品片| 国产淫语在线视频| 精品久久久久久久人妻蜜臀av| 免费观看在线日韩| 日本与韩国留学比较| 赤兔流量卡办理| 亚洲在久久综合| 日韩中字成人| 国模一区二区三区四区视频| 在线观看一区二区三区激情| h日本视频在线播放| 国产高潮美女av| 我的女老师完整版在线观看| 最后的刺客免费高清国语| 尤物成人国产欧美一区二区三区| 欧美区成人在线视频| 亚洲一级一片aⅴ在线观看| 禁无遮挡网站| 亚洲丝袜综合中文字幕| 成人毛片60女人毛片免费| 久久精品综合一区二区三区| 麻豆乱淫一区二区| 亚洲国产精品999| 黄片wwwwww| 色播亚洲综合网| 欧美成人午夜免费资源| 精品国产一区二区三区久久久樱花 | 国产精品成人在线| 精品久久国产蜜桃| 亚洲欧美清纯卡通| tube8黄色片| 交换朋友夫妻互换小说| 国产一区亚洲一区在线观看| 免费观看的影片在线观看| 国产大屁股一区二区在线视频| 欧美激情久久久久久爽电影| 国产真实伦视频高清在线观看| 综合色丁香网| 欧美 日韩 精品 国产| 伊人久久精品亚洲午夜| 日韩中字成人| 国产免费视频播放在线视频| 午夜精品国产一区二区电影 | 国产极品天堂在线| 色视频在线一区二区三区| 日韩亚洲欧美综合| 青春草视频在线免费观看| 夜夜看夜夜爽夜夜摸| 日韩三级伦理在线观看| 国产亚洲精品久久久com| videos熟女内射| av天堂中文字幕网| 国产精品秋霞免费鲁丝片| 69人妻影院| 超碰97精品在线观看| 中国美白少妇内射xxxbb| 久久99蜜桃精品久久| 成人漫画全彩无遮挡| 熟妇人妻不卡中文字幕| 少妇的逼水好多| 久久久亚洲精品成人影院| 啦啦啦在线观看免费高清www| 毛片女人毛片| 高清在线视频一区二区三区| 国产男女超爽视频在线观看| 又大又黄又爽视频免费| 亚洲高清免费不卡视频| av黄色大香蕉| 免费观看av网站的网址| 中文精品一卡2卡3卡4更新| 在线 av 中文字幕| 少妇的逼水好多| 街头女战士在线观看网站| 中国国产av一级| 国产91av在线免费观看| 一个人看的www免费观看视频| xxx大片免费视频| 一本一本综合久久| 国产午夜精品一二区理论片| 婷婷色综合大香蕉| 亚洲婷婷狠狠爱综合网| 国产探花在线观看一区二区| 午夜福利网站1000一区二区三区| xxx大片免费视频| 水蜜桃什么品种好| 99久久精品一区二区三区| 日韩人妻高清精品专区| 亚洲国产欧美人成| a级毛色黄片| 国产又色又爽无遮挡免| 男的添女的下面高潮视频| 久久久精品欧美日韩精品| 狠狠精品人妻久久久久久综合| 国产精品一区二区三区四区免费观看| 精品国产三级普通话版| 最近手机中文字幕大全| 美女被艹到高潮喷水动态| 欧美日韩视频精品一区| 精品久久久久久久末码| 欧美变态另类bdsm刘玥| 精品国产三级普通话版| 久久精品夜色国产| 欧美区成人在线视频| 免费大片18禁| 国产一区有黄有色的免费视频| 少妇人妻一区二区三区视频| 中文乱码字字幕精品一区二区三区| 欧美激情久久久久久爽电影| 日本猛色少妇xxxxx猛交久久| 欧美成人午夜免费资源| 亚洲av国产av综合av卡| 成人无遮挡网站| 亚洲欧美成人精品一区二区| 一级毛片 在线播放| 国产精品国产三级国产专区5o| 麻豆成人av视频| 在线观看一区二区三区| 好男人视频免费观看在线| 18+在线观看网站| 国产精品国产三级国产av玫瑰| 日本黄色片子视频| 国产精品一区二区性色av| 色播亚洲综合网| 亚洲精华国产精华液的使用体验| 久久久成人免费电影| 人妻少妇偷人精品九色| 亚洲国产精品成人综合色| 国产91av在线免费观看| 久久久久久九九精品二区国产| 日本av手机在线免费观看| 亚洲天堂国产精品一区在线| av在线观看视频网站免费| 亚洲四区av| www.av在线官网国产| 国产精品爽爽va在线观看网站| 老师上课跳d突然被开到最大视频| 国产精品偷伦视频观看了| 中文乱码字字幕精品一区二区三区| 国产白丝娇喘喷水9色精品| 搡老乐熟女国产| 成人美女网站在线观看视频| 日本午夜av视频| 精品人妻熟女av久视频| 熟女电影av网| 成人国产av品久久久| 亚洲三级黄色毛片| 亚洲精品自拍成人| av卡一久久| 波多野结衣巨乳人妻| 欧美日韩在线观看h| 亚洲,一卡二卡三卡| 高清在线视频一区二区三区| 美女脱内裤让男人舔精品视频| 亚洲美女视频黄频| 大香蕉97超碰在线| 91精品一卡2卡3卡4卡| 成人国产麻豆网| 成人无遮挡网站| 欧美老熟妇乱子伦牲交| 精品国产乱码久久久久久小说| 亚洲综合精品二区| 日韩一区二区视频免费看| av免费观看日本| 国产精品熟女久久久久浪| 中文字幕久久专区| 街头女战士在线观看网站| 精品久久久久久久末码| 99久久精品一区二区三区| 久久精品久久久久久噜噜老黄| 亚洲欧美清纯卡通| 成人午夜精彩视频在线观看| 国产精品偷伦视频观看了| 亚洲,一卡二卡三卡| 欧美一级a爱片免费观看看| 97人妻精品一区二区三区麻豆| 18禁裸乳无遮挡免费网站照片| 久久精品熟女亚洲av麻豆精品| 婷婷色麻豆天堂久久| 超碰av人人做人人爽久久| 亚洲精品一区蜜桃| 国产免费福利视频在线观看| 综合色av麻豆| 亚洲av在线观看美女高潮| 国产极品天堂在线| 亚洲欧美清纯卡通| 国产午夜精品一二区理论片| 欧美变态另类bdsm刘玥| 久久99蜜桃精品久久| av国产久精品久网站免费入址| 麻豆成人av视频| 一级片'在线观看视频| 内地一区二区视频在线| 国产成人精品久久久久久| 狂野欧美激情性xxxx在线观看| 亚洲在线观看片| 国产伦精品一区二区三区视频9| 国产乱来视频区| 国产免费福利视频在线观看| 亚洲国产精品成人综合色| 99re6热这里在线精品视频| 日韩av免费高清视频| 新久久久久国产一级毛片| 男女啪啪激烈高潮av片| av卡一久久| 美女被艹到高潮喷水动态| 日韩欧美精品v在线| 亚洲高清免费不卡视频| 美女被艹到高潮喷水动态| 亚洲精品,欧美精品| 性色avwww在线观看| 亚洲人成网站在线观看播放| 亚洲综合色惰| 国产乱来视频区| 大话2 男鬼变身卡| 免费观看无遮挡的男女| 中文资源天堂在线| 又粗又硬又长又爽又黄的视频| 极品教师在线视频| 国产高潮美女av| 天天躁日日操中文字幕| 日韩一区二区视频免费看| 黄片wwwwww| av女优亚洲男人天堂| 在线精品无人区一区二区三 | 欧美bdsm另类| 麻豆精品久久久久久蜜桃| 亚洲av日韩在线播放| 色播亚洲综合网| 亚洲人成网站在线观看播放| 国产精品久久久久久精品电影| 国产精品99久久99久久久不卡 | 亚洲精品一区蜜桃| 男人舔奶头视频| 日韩免费高清中文字幕av| 国产欧美亚洲国产| 亚洲国产欧美在线一区| 欧美极品一区二区三区四区| av.在线天堂| 日本爱情动作片www.在线观看| 精品视频人人做人人爽| 国产老妇女一区| 美女xxoo啪啪120秒动态图| 国产成人精品一,二区| 少妇被粗大猛烈的视频| 少妇熟女欧美另类| 色5月婷婷丁香| 少妇人妻 视频| 狂野欧美激情性bbbbbb| 日韩国内少妇激情av| 久久99热这里只有精品18| 欧美成人精品欧美一级黄| 久久精品人妻少妇| 欧美日韩视频高清一区二区三区二| 精品视频人人做人人爽| 九九久久精品国产亚洲av麻豆| 欧美成人一区二区免费高清观看| 特级一级黄色大片| 亚洲激情五月婷婷啪啪| kizo精华| 欧美三级亚洲精品| 嫩草影院入口| 91狼人影院| 草草在线视频免费看| 如何舔出高潮| 深夜a级毛片| 韩国高清视频一区二区三区| 在线看a的网站| 亚洲高清免费不卡视频| 久久久国产一区二区| 国产精品久久久久久久久免| 日本黄大片高清| 亚洲婷婷狠狠爱综合网| 久久久久国产网址| 中国国产av一级| 国产精品国产av在线观看| 午夜激情久久久久久久| 久久精品国产亚洲av天美| 欧美日韩视频精品一区| 欧美xxxx性猛交bbbb| 成人黄色视频免费在线看| 亚洲国产成人一精品久久久| 日韩av不卡免费在线播放| 国产成人a∨麻豆精品| 久久亚洲国产成人精品v| 色吧在线观看| 蜜桃亚洲精品一区二区三区| 国产av码专区亚洲av| 免费大片18禁| 久久久欧美国产精品| 精品久久国产蜜桃| 老女人水多毛片| av国产免费在线观看| 午夜爱爱视频在线播放| 亚洲欧美一区二区三区黑人 | 日韩亚洲欧美综合| 国产欧美亚洲国产| 亚洲av一区综合| 成人一区二区视频在线观看| 日韩中字成人| 日韩一区二区三区影片| 91久久精品电影网| 王馨瑶露胸无遮挡在线观看| 亚洲欧美日韩东京热| 国产男女内射视频| 亚洲天堂国产精品一区在线| 亚洲欧洲国产日韩| 成年免费大片在线观看| 日韩av不卡免费在线播放| 精品一区二区三区视频在线| 一级毛片黄色毛片免费观看视频| 亚洲国产精品成人综合色| 欧美人与善性xxx| 欧美少妇被猛烈插入视频| 国产高清三级在线| 各种免费的搞黄视频| 精品人妻一区二区三区麻豆| 一区二区av电影网| 国产精品蜜桃在线观看| 国产精品国产三级专区第一集| 在线 av 中文字幕| 在线天堂最新版资源| 一级毛片我不卡| 亚洲成人av在线免费| 卡戴珊不雅视频在线播放| 黄色配什么色好看| 偷拍熟女少妇极品色| 亚洲精品一二三| 欧美国产精品一级二级三级 | 日本av手机在线免费观看| 国产毛片a区久久久久| 国产成人a∨麻豆精品| 欧美最新免费一区二区三区| 国产av国产精品国产| av福利片在线观看| 一个人观看的视频www高清免费观看| 久久女婷五月综合色啪小说 | 男女那种视频在线观看| 亚洲欧美成人综合另类久久久| 中文字幕免费在线视频6| 亚洲欧美精品专区久久| 欧美3d第一页| 久久热精品热| 人妻少妇偷人精品九色| 国内精品美女久久久久久| 久久精品久久精品一区二区三区| 国产乱来视频区| 亚洲欧美日韩无卡精品| 99热全是精品| 久久国产乱子免费精品| 晚上一个人看的免费电影| 日本与韩国留学比较| 国产69精品久久久久777片| 黄片无遮挡物在线观看| 18禁动态无遮挡网站| 亚洲国产av新网站| 久久久a久久爽久久v久久| 国产男人的电影天堂91| 中文字幕免费在线视频6| 3wmmmm亚洲av在线观看| 国产视频内射| 男人舔奶头视频| 一级av片app| 国产精品秋霞免费鲁丝片| 亚洲精品一区蜜桃| 国产成年人精品一区二区| 国产 一区 欧美 日韩| www.色视频.com| 日韩视频在线欧美| 草草在线视频免费看| 国产成人a区在线观看| 日韩av免费高清视频| 免费av观看视频| 久久ye,这里只有精品| 久久精品国产a三级三级三级| 日本三级黄在线观看| 成人黄色视频免费在线看| 日本三级黄在线观看| 免费不卡的大黄色大毛片视频在线观看| 99热这里只有是精品50| 大片电影免费在线观看免费| 国产日韩欧美在线精品| a级毛片免费高清观看在线播放| 色5月婷婷丁香| 一区二区三区四区激情视频| 精品一区二区三卡| 精品久久久久久电影网| 联通29元200g的流量卡| 欧美国产精品一级二级三级 | 亚洲自偷自拍三级| 波多野结衣巨乳人妻| 日本av手机在线免费观看| 99精国产麻豆久久婷婷| 成年人午夜在线观看视频| 日韩av不卡免费在线播放| 建设人人有责人人尽责人人享有的 | 99九九线精品视频在线观看视频| 日本熟妇午夜| av国产久精品久网站免费入址| av福利片在线观看| 男插女下体视频免费在线播放| 麻豆久久精品国产亚洲av| 免费在线观看成人毛片| 国产精品国产三级专区第一集| 99热网站在线观看| 欧美xxxx性猛交bbbb| 哪个播放器可以免费观看大片| 蜜桃久久精品国产亚洲av| 日韩三级伦理在线观看| 80岁老熟妇乱子伦牲交| 精品一区在线观看国产| 搞女人的毛片| 99久久精品国产国产毛片| 午夜福利在线在线| 久久久久久久国产电影| 成人国产av品久久久| 亚洲av电影在线观看一区二区三区 | 制服丝袜香蕉在线| 熟女人妻精品中文字幕| 亚洲欧美日韩无卡精品| 亚洲精品国产av蜜桃| 国产伦精品一区二区三区视频9| 国产高清三级在线| 久久精品综合一区二区三区| 内射极品少妇av片p| 久久午夜福利片| 久久久亚洲精品成人影院| 美女高潮的动态| 五月伊人婷婷丁香| 涩涩av久久男人的天堂| 精品一区在线观看国产| h日本视频在线播放| 乱系列少妇在线播放| 国产亚洲5aaaaa淫片| 国产v大片淫在线免费观看| 国产精品久久久久久精品电影|