• <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 ?

    基于連續(xù)小波變換和符號傳遞熵的腦功能網(wǎng)絡構建方法

    2022-08-13 08:22:24李明愛張圓圓
    電子學報 2022年7期
    關鍵詞:連接性頻帶時頻

    李明愛,張圓圓

    (1.北京工業(yè)大學信息學部,北京 100124;2.計算智能與智能系統(tǒng)北京市重點實驗室,北京 100124;3.教育部數(shù)字社區(qū)工程研究中心,北京 100124)

    1 引言

    腦-機接口(Brain-Computer Interface,BCI)技術不依賴于傳統(tǒng)的肌肉和神經(jīng)通路,通過采集到的腦電信號直接解讀大腦意識,實現(xiàn)人機或人與周圍環(huán)境之間的通信[1].運動想象腦電信號(Motor Imagery ElectroEncephaloGraphy,MI-EEG)是指人在沒有執(zhí)行實際動作的情況下大腦想象肢體運動時產(chǎn)生的腦電信號,其包含了大量的神經(jīng)生理信息,已被廣泛應用于BCI領域[2,3].人腦是一個復雜而密集的網(wǎng)絡,由數(shù)十億相互連接的神經(jīng)元組成,在執(zhí)行運動想象任務時,信息始終在不同腦功能區(qū)之間相互傳遞和整合.近年來,基于圖論的復雜網(wǎng)絡分析方法被廣泛應用于神經(jīng)科學中,通過復雜網(wǎng)絡基本原理可以進行大腦屬性分析,以及發(fā)現(xiàn)腦網(wǎng)絡節(jié)點間潛在的信息傳遞關系.越來越多的研究表明,利用腦功能網(wǎng)絡(Brain Functional Network,BFN)中的度量來區(qū)分運動想象腦電信號具有一定的可行性[4,5].因此,從BFN 的角度研究不同MI 任務下的大腦活動模式,對揭示運動想象背后的神經(jīng)機制具有重要的意義.

    構建BFN 時,節(jié)點通常是EEG 電極,而邊定義為節(jié)點之間的連接性.計算連接性的指標主要分為兩類:功能連接和有效連接.在現(xiàn)有的文獻中[6,7],大多數(shù)關于腦功能網(wǎng)絡的研究都是基于功能連接度量進行的.Kim等人[8]使用相關系數(shù)(Correlation Coefficient,CC)來估計腦網(wǎng)絡節(jié)點之間的連接性,結果表明,執(zhí)行左手和右手運動想象任務時,網(wǎng)絡節(jié)點的CC 值高于腳和舌頭,且額葉和頂葉區(qū)電極之間的CC 值在也存在顯著不同.Gong等人[9]提出一種基于時頻交叉互信息(Cross Mutual Information,CMI)的腦功能網(wǎng)絡建模方法,研究了四類運動想象任務(左手,右手,腳和舌頭)下大腦的生理機制;他們利用統(tǒng)計分析發(fā)現(xiàn)不同任務下大腦的反應水平、反應時間和激活靶區(qū)都存在明顯的差異.Filho等人[10]提出一種基于圖案同步法(Motifs'Synchronization,MS)的腦功能網(wǎng)絡構建方法,針對BCI2000 數(shù)據(jù)集中十名受試者的左手和右手MI-EEG進行模式識別.結果顯示,在α頻帶和β頻帶上,平均分類準確率均達到了83%.然而,功能連接度量僅能捕獲電極之間在統(tǒng)計意義上的相互依賴性,卻無法提供信息流動的方向以及不同神經(jīng)結構之間的因果關系.

    有效連接可描述節(jié)點之間的因果交互作用,相比于功能連接,它能更容易發(fā)現(xiàn)運動想象過程中節(jié)點之間隱藏和被忽視的連接性.Hu 等人[11]使用基于時不變雙變量自回歸(Bivariate Autoregressive,BVAR)模型的格蘭杰因果指數(shù)(Granger Causality,GC)研究了運動想象任務的大腦因果信息流.他們發(fā)現(xiàn)在左手和右手運動想象期間,Cz導聯(lián)與C3/C4之間的方向性連接有很大不同.Ghosh 等人[12]提出一種基于多元自回歸模型(MultiVariate AutoRegressive,MVAR)定向轉移函數(shù)(Directed Transfer Function,DTF)的BFN 構建方法,實驗結果表明,利用網(wǎng)絡節(jié)點度和網(wǎng)絡密度可有效區(qū)分左手、右手和舌頭的MI-EEG 信號.不足的是,GC 和DTF 依賴于線性自回歸模型,使得它們難以準確地反映出人腦這種高度非線性系統(tǒng)中存在的因果關系.

    傳遞熵(Transfer Entropy,TE)是一種基于非參數(shù)統(tǒng)計的信息理論量,它不需要預先假設交互作用的模型,可用于衡量兩個非線性向量之間信息交互,是研究大腦信息流的理想方法[13].符號傳遞熵(Symbolic TE,STE)是傳遞熵的一種變體,具有計算速度快,抗噪聲能力強等優(yōu)點[14].已有研究人員將其應用于腦功能網(wǎng)絡的構建中,并根據(jù)不同MI 任務下節(jié)點間連接性的差異來區(qū)分運動想象腦電信號[15].然而,現(xiàn)有方法直接通過計算原始MI-EEG 之間的連接性來構建BFN,難以充分利用腦電信號在頻域上的特征信息.

    為此,本文提出了一種基于連續(xù)小波變換(Continuous Wavelet Transform,CWT)和STE 的腦功能網(wǎng)絡構建方法,將EEG 電極的時頻能量序列作為網(wǎng)絡節(jié)點的輸入信號,并使用符號傳遞熵計算腦電極之間的非線性因果交互作用.在BCI 2000 公開數(shù)據(jù)集上進行了實驗研究,以驗證本文方法的有效性和優(yōu)越性.

    2 方法

    本文提出了一種基于連續(xù)小波變換和符號傳遞熵的腦功能網(wǎng)絡建模方法,其主要步驟如下:

    2.1 基于CWT獲取EEG的時頻能量序列

    2.1.1 連續(xù)小波變換

    連續(xù)小波變換通過小波函數(shù)的伸縮和平移將信號分解成不同尺度上的小波系數(shù),已被廣泛應用于信號的時頻分析和處理領域[16].對于任意能量有限信號s(t),其連續(xù)小波變換的公式為

    式中,WΤ 為小波系數(shù),a為尺度因子,b為平移量,ψ(t)為母小波函數(shù),ψa,b(t)為伸縮平移后的小波函數(shù),ψ*(t)為ψ(t)的共軛復數(shù).

    2.1.2 獲取MI-EEG的時頻能量序列

    2.2 基于符號傳遞熵構建腦功能網(wǎng)絡

    2.2.1 序列符號化

    圖1 序列符號化示意圖

    2.2.2 符號傳遞熵

    符號傳遞熵根據(jù)符號序列中各符號出現(xiàn)的相對頻率來估計聯(lián)合概率分布和條件概率分布.對于兩個符號序列,它們之間的符號傳遞熵可通過下式計算:

    式中,p(·)為概率密度函數(shù),τ為時間滯后.

    2.2.3 構建腦功能網(wǎng)絡

    以L個EEG 電極為節(jié)點,將任意兩導腦電信號時頻能量序列之間的符號傳遞熵作為連接邊,計算腦功能網(wǎng)絡的連接矩陣A:

    3 實驗研究

    為了驗證本文方法的有效性,本文分析了不同運動想象任務的腦功能網(wǎng)絡,并分別以連接矩陣元素和腦網(wǎng)絡特征參數(shù)作為分類器的輸入,對MI-EEG 信號進行模式分類.

    3.1 實驗數(shù)據(jù)及預處理

    實驗使用的MI-EEG 數(shù)據(jù)來自于BCI 2000 公開數(shù)據(jù)庫[17],共記錄了64個頭皮電極的腦電數(shù)據(jù),電極分布位置如圖2 所示.采集的EEG 經(jīng)過1 Hz~50 Hz 帶通濾波及50 Hz 陷波濾波,采樣頻率為160 Hz.該數(shù)據(jù)庫共包含109 名受試者,每名受試者進行約45 次實驗,想象任務為左手或右手運動,每次實驗持續(xù)約8 s,其中0 s~4 s為運動想象期.

    圖2 電極位置與導聯(lián)序號分布圖

    構建BFN 的一個關鍵挑戰(zhàn)是體積傳導效應,它會導致頭皮電極之間產(chǎn)生虛假連接性,從而誤導對腦網(wǎng)絡的分析.共平均參考(Common Average Reference,CAR)使用所有導聯(lián)的平均值對信號進行重定位,可有效減小體積傳導效應[18].因此,本文在預處理階段截取了0 s~4 s想象期的MI-EEG數(shù)據(jù),并使用CAR濾波器對其進行空間濾波.

    3.2 基于連接矩陣的MI-EEG識別

    3.2.1 計算有效連接矩陣

    根據(jù)2.1 節(jié),使用連續(xù)小波變換對預處理后的腦電信號進行時頻分解,圖3 為基于Morlet 連續(xù)小波變換對某次實驗C3 導聯(lián)MI-EEG 信號進行分解后得到的時頻能量圖,橫軸為時間,縱軸為頻率,顏色代表小波能量值.在執(zhí)行運動想象任務時,事件相關去同步(Event-Related Desynchronizations,ERD)/事件相關同步(Event-Related Synchronizations,ERS)現(xiàn)象大多出現(xiàn)在Mu節(jié)律(8 Hz~13 Hz)和Beta節(jié)律(13 Hz~30 Hz)上[19].因此,本文分別截取了時頻能量圖的α(8 Hz~13 Hz)和β(13 Hz~30 Hz)兩個頻帶進行分析.以β頻帶為例,小波分解后β頻帶范圍覆蓋12 個離散頻率,記為:f1,f2,…,f12,將其對應的時間-能量序列依次拼接后得到一維時頻能量序列,如圖4所示.

    圖3 C3導聯(lián)MI-EEG的時頻能量圖

    圖4 C3導聯(lián)β頻帶的一維時頻能量序列

    以64 個EEG 電極作為腦網(wǎng)絡的節(jié)點,計算任意兩個電極時頻能量序列之間的符號傳遞熵(實驗中λ和τ均設為1),得到64×64 的有效連接矩陣.圖5 展示了受試者S1的連接矩陣圖,其橫軸與縱軸均表示導聯(lián)序號,且導聯(lián)與電極之間的一一對應關系與圖2中一致,矩陣中的元素代表兩個導聯(lián)之間的因果連接性.由圖可見,大腦在進行想象左手運動和想象右手運動兩類任務時,節(jié)點之間的連接性具有顯著不同,圖中紫色圓圈標記了兩類想象任務連接性顯著不同的部位.當想象左手運動時,位于中央腦區(qū)右側的C4 節(jié)點與位于前額右側的節(jié)點(FC2、FC4、FC6)之間的連接性遠大于想象右手運動;而想象右手運動時,信息由頂葉右半?yún)^(qū)傳遞至前額葉左半?yún)^(qū),位于頂葉右側的節(jié)點(如P2、P4)與前額葉左側的FP1 節(jié)點之間的連接性明顯強于想象左手運動.

    圖5 受試者S1兩類想象任務的大腦連接矩陣圖

    3.2.2 特征選擇和分類

    大腦進行運動想象時,并非所有區(qū)域都會被激活,使用連接矩陣中的全部元素作為特征可能不利于MIEEG的識別.因此,有必要對矩陣進行優(yōu)化.

    對于每名受試者,本文通過計算大腦連接矩陣各位置元素與類別標簽之間的皮爾遜(Pearson)相關系數(shù)值來優(yōu)化矩陣元素,將相關性較小的元素置零,保留相關性較大的元素.提取優(yōu)化后矩陣的非零元素構成特征向量,采用支持向量機(Support Vector Machine,SVM)分類器進行模式分類,并借助網(wǎng)格搜索法確定SVM 分類器的最優(yōu)超參數(shù)[20].由于每名受試者的實驗次數(shù)較少,本文使用留一法對樣本進行測試,即每次分類使用一次實驗的MI-EEG數(shù)據(jù)作為測試集,剩余44次實驗數(shù)據(jù)作為訓練集,最終結果取45 次分類結果的平均值.

    圖6 顯示了受試者S1 的分類準確率隨皮爾遜相關系數(shù)閾值的變化情況.由圖知,閾值的選擇對分類準確率有著較大的影響,當閾值小于等于0.30 時,分類準確率逐漸升高;而當閾值大于0.30 時,分類準確率則出現(xiàn)了明顯下降;當閾值設為0.30 時,分類準確率達到了最大值100.00%,從而確定S1 的最優(yōu)皮爾遜相關系數(shù)閾值為0.30.依此方法,確定其他每名受試者的最優(yōu)Pearson相關系數(shù)閾值.

    圖6 受試者S1的分類準確率

    此外,本文還對比了Wrapper 和Fisher 濾波這兩種不同特征選擇算法的分類準確率,結果如表1所示,表中準確率為109名受試者的平均值.從表1中可以看出,當不使用特征選擇算法時(表中None),分類效果較不理想,平均準確率僅為63.95%;而使用特征選擇算法優(yōu)化矩陣元素后,分類準確率有了大幅度的提升,且三種特征選擇算法的準確率相近.使用Pearson 特征選擇算法的準確率最高,達到了94.75%,而使用Wrapper 時的準確率為94.46%,使用Fisher濾波時結果為94.74%.這說明使用有效連接矩陣中的全部元素構建特征向量,會造成特征信息的冗余,并不利于MI-EEG的分類.

    表1 還給出了不同特征選擇算法在達到平均分類正確率時所需要的特征數(shù)目,可以看出,當使用Pearson特征選擇算法時,所需特征數(shù)目最少,僅為120個,相比于未進行矩陣優(yōu)化時的4 096 個特征,極大地降低了分類的計算成本.

    表1 不同特征選擇方法的平均準確率對比

    3.2.3 選取母小波函數(shù)

    與傳統(tǒng)腦網(wǎng)絡構建方法不同,本文首先基于CWT求取信號的時頻能量序列,然后將電極時頻能量序列之間的符號傳遞熵作為網(wǎng)絡的邊,進一步提取了EEG信號的時頻特征.為了選擇最適合表達MI-EEG信號時頻信息的母小波函數(shù),本節(jié)將針對不同母小波函數(shù)的分類結果展開討論.

    實驗選取了五種經(jīng)典的母小波函數(shù)進行對比研究,分別為:Haar 小波、Daubechies 小波、Mexican Hat 小波、Meyer小波和Morlet小波.表2同時給出了基于不同小波函數(shù)獲得的109 名受試者的平均分類準確率以及單個受試者的最高準確率,表中的None 則表示未對EEG 信號進行連續(xù)小波變換,僅將各通道EEG 信號之間的符號傳遞熵作為網(wǎng)絡連接邊時的識別正確率.

    表2 不同小波函數(shù)的分類準確率

    從表中可以看出,不同頻帶下的分類準確率略有差異,且β頻帶的正確率均高于α頻帶,這可能是由于受試者在進行左手、右手運動想象時,β頻帶的ERD/ERS 生理現(xiàn)象更加明顯.同時,無論是在α頻帶還是β頻帶,當以原始EEG 信號之間的符號傳遞熵為邊構建腦功能網(wǎng)絡時,得到的平均分類準確率是最低的,這是由于原始腦電信號難以體現(xiàn)MI-EEG 在頻域上差異,而連續(xù)小波變換通過在時間和頻率兩個尺度上對信號進行分解,可以較好地提取信號在頻域上的特征,進而為正確識別腦電信號提供了更多的有用信息.此外,Daubechies、Meyer 和Morlet 三個小波函數(shù)在兩個頻帶下單個受試者的最高分類準確率均為100.00%,但Morlet 小波的平均分類正確率最高,在α頻帶達到了90.78%,在β頻帶為94.75%;這表明,相比于其他四個母小波函數(shù),Morlet 小波函數(shù)能夠更好地表達出MIEEG 的時頻特性,并且對于不同受試者能表現(xiàn)出較好的魯棒性.因此,基于Morlet 小波函數(shù)的連續(xù)小波變換將用于本文后續(xù)的實驗中.

    3.2.4 確定最優(yōu)符號階次

    計算兩個信號之間的符號傳遞熵的第一步是對信號進行符號化,為了不丟失EEG 信號的時間信息,實驗應確保每個符號都盡可能地出現(xiàn)在信號中.根據(jù)文獻[21],對于長度為Nt的信號,符號階次D應滿足Nt>>D!.因此,本文選取D=2,…,6 進行了對比研究,實驗結果如圖7 所示,圖中準確率為109 名受試者的平均分類準確率.總體來看,無論是α頻帶還是β頻帶,隨著符號階次的增加,分類準確率先升高后降低.除此之外,β頻帶的正確率仍然高于α頻帶,這一結果與3.2.3 節(jié)類似;當D=2 時,分類準確率最低,為87.97%;D=4 時,準確率達到了最大值94.75%;而當D繼續(xù)增大時,正確率則發(fā)生了下降,這可能是由于D=4 時最能吻合該數(shù)據(jù)集腦電信號的復雜性.

    3.3 基于網(wǎng)絡拓撲特征參數(shù)的MI-EEG分類

    3.3.1 計算腦網(wǎng)絡特征參數(shù)

    為了進一步研究在不同運動想象任務下大腦各區(qū)域的激活模式,本文計算了兩個重要的腦網(wǎng)絡參數(shù):度和中間中心性.由于二值化有效連接矩陣可能會丟失部分重要的網(wǎng)絡信息,本文使用文獻[22]中的方法計算加權網(wǎng)絡的特征參數(shù):

    (1)度(Degree)

    節(jié)點度的計算式如下:

    式中,aij為節(jié)點i和節(jié)點j之間的連接性,節(jié)點的度越大,表明該節(jié)點與其他節(jié)點之間的連接性就越強.

    (2)中間中心性(Betweenness Centrality,BC)節(jié)點i的中間中心性可由式(7)計算:

    依據(jù)式(6),計算所有節(jié)點的度,構成特征向量FD:

    由式(7),計算每個節(jié)點的中間中心性,構成特征向量FBC:

    將FD與FBC串行融合,獲得融合特征向量FD+BC:

    為了體現(xiàn)腦功能網(wǎng)絡的時變特性,本節(jié)采用窗長為2 s,步長為1 s 的滑動時間窗將原始數(shù)據(jù)劃分為T1(0 s~2 s)、T2(1 s~3 s) 和T3(2 s~4 s)三個時間段,每個時間段數(shù)據(jù)共包含320 個采樣點.對每個時間段信號分別構建腦功能網(wǎng)絡,并計算特征向量.

    3.3.2 基于網(wǎng)絡特征參數(shù)的MI-EEG分類

    圖8(a)展示了在不同時間段內,想象左手運動和想象右手運動的腦地形圖,使用的特征參數(shù)為度.可以看出,隨著時間的變化,大腦的激活區(qū)域呈現(xiàn)一定的變化規(guī)律,但總體來看,執(zhí)行左手運動想象任務時,位于右側腦皮層的節(jié)點強度更大,而執(zhí)行右手運動想象時,位于大腦左側區(qū)域的節(jié)點度更高.圖8(b)為使用中間中心性作為特征參數(shù)時的腦地形圖,對比于圖8(a),本文也能得到類似的結果.這從復雜網(wǎng)絡的角度進一步闡述了ERD/ERS 現(xiàn)象在運動想象任務中的模式,即大腦在執(zhí)行手部運動想象任務時,對側腦功能區(qū)更有可能被激活.

    圖8 不同時間段的腦地形圖

    此外,本文還嘗試以度和中間中心性來構建特征向量對兩類MI-EEG進行模式分類.同樣使用Pearson特征選擇算法優(yōu)選貢獻度較大的特征.圖9展示了β頻帶下D=4時T1、T2和T3三個時間段的分類準確率及平均分類準確率.可以看出,僅使用BC值作為特征時,三個時間段的平均準確率為86.20%;僅使用Degree 時,三個時間段的平均準確率為89.83%;將Degree與BC融合時,平均準確率為92.38%.特別地,在T2時段,使用BC和Degree融合特征時,分類準確率達到了93.55%,這一結果接近于使用連接矩陣元素作為特征時的準確率94.75%.此外,圖10還給出了達到圖9分類準確率時所需的特征數(shù)目.可見,當使用網(wǎng)絡特征參數(shù)進行分類時,達到最優(yōu)準確率所需的特征數(shù)目僅為32,這相比于使用連接矩陣元素aij作為特征時的數(shù)目減少了約3/4.

    圖9 不同時間段的分類準確率

    圖10 獲得圖9準確率所需的特征數(shù)目

    3.3.3 多種腦網(wǎng)絡特征提取方法對比

    為了驗證本文提出的腦功能網(wǎng)絡構建方法的優(yōu)越性,本節(jié)還對比了不同方法在該數(shù)據(jù)集下的分類性能,結果如表3所示,表中分別計算了將有效連接矩陣元素aij以及腦網(wǎng)絡參數(shù)Degree+BC 作為分類器輸入時109名受試者的平均分類準確率和Kappa 值.從表中可以看出,互信息(CMI)和相關系數(shù)(CC)的分類準確率較低,這是由于它們無法衡量EEG 電極之間連接的方向性,造成特征信息的丟失;而格蘭杰因果指數(shù)(GC)和定向傳遞函數(shù)(DTF)能夠表示信號之間的因果連接性,這種連接性是具有方向的,從而為腦電信號的識別提供了更多的有用信息.不足的是,GC 和DTF 是基于線性回歸模型估計的,將其應用于人腦這樣的非線性動力系統(tǒng)中難免會存在一定的局限性.相比之下,符號傳遞熵更適合反映腦電極之間的交互作用,且這種交互作用是有向的、非線性的,符合人腦的非線性動力學特性,因此取得了最高的分類準確率和Kappa 分數(shù).本文還對比了文獻[10]中使用圖案同步法(MS)在相同數(shù)據(jù)集下的分類結果,當以連接矩陣元素aij為特征時,平均分類準確率提升了11.59%;當以Degree 和BC 為特征時,準確率提高了11.41%,顯示了本文方法的有效性和優(yōu)越性.

    表3 基于多種腦功能網(wǎng)絡方法的109名受試者平均分類準確率和Kappa值對比

    4 結論

    本文提出了一種基于CWT 和STE 的腦功能網(wǎng)絡建模方法,克服了傳統(tǒng)腦網(wǎng)絡構建方法易丟失腦電信號的頻域信息這一不足,并能夠準確地反映不同節(jié)點之間的非線性因果交互作用.在BCI 2000 公開數(shù)據(jù)集上的實驗結果表明,雖然不同運動想象任務的BFN 具有一定差異性,但大腦對MI 任務的反應是局部的.當使用網(wǎng)絡連接矩陣的全部元素作為特征時,分類效果并不理想,而合理使用特征選擇算法可以較大幅度地提高識別正確率;此外,本文發(fā)現(xiàn)在執(zhí)行手部運動想象任務時,位于大腦對側功能區(qū)節(jié)點的Degree 和BC 值大于同側,這從復雜網(wǎng)絡的角度進一步闡述了在進行運動想象時大腦的ERD/ERS 生理現(xiàn)象;同時,本文還嘗試了以網(wǎng)絡特征參數(shù)Degree 和BC 為特征對MI-EEG 信號進行識別,獲得的分類準確率十分接近于直接使用aij時的結果,而特征向量的長度更小,這減少了分類的計算成本.最后,對比了多種腦功能網(wǎng)絡構建方法的分類性能,本文方法均獲得了最高的平均分類準確率和Kappa值,這說明本方法能有效地體現(xiàn)運動想象腦電信號的時頻特征和非線性特征,相比于其他方法具有顯著優(yōu)勢.這一改進有助于腦科學的研究,并將擴大腦網(wǎng)絡分析方法在EEG中的應用.

    在未來的工作中,我們將進一步篩選合適的腦網(wǎng)絡拓撲特征參數(shù),深入研究運動想象過程中大腦的神經(jīng)生理機制以及腦網(wǎng)絡的動態(tài)變化規(guī)律;同時嘗試將腦功能網(wǎng)絡分析方法與其他方法相結合進行多元特征提取,以進一步提高BCI 系統(tǒng)中MI-EEG 的識別正確率.

    猜你喜歡
    連接性頻帶時頻
    Wi-Fi網(wǎng)絡中5G和2.4G是什么?有何區(qū)別?
    單音及部分頻帶干擾下DSSS系統(tǒng)性能分析
    雙頻帶隔板極化器
    電子測試(2017年15期)2017-12-18 07:18:51
    亞洲航運港口網(wǎng)絡連接性分析
    航海(2017年4期)2017-08-09 07:57:48
    調諧放大器通頻帶的計算及應用
    Imagination的Ensigma Whisper核:適用于可穿戴設備與物聯(lián)網(wǎng)的業(yè)界最低功耗連接性IP
    基于時頻分析的逆合成孔徑雷達成像技術
    對采樣數(shù)據(jù)序列進行時頻分解法的改進
    Whisper架構為物聯(lián)網(wǎng)和可穿戴設備連接性IP設立新標準
    雙線性時頻分布交叉項提取及損傷識別應用
    免费人妻精品一区二区三区视频| 十八禁高潮呻吟视频 | 波野结衣二区三区在线| 日韩精品有码人妻一区| 最近中文字幕高清免费大全6| 亚洲精品亚洲一区二区| 26uuu在线亚洲综合色| 青春草亚洲视频在线观看| 亚洲欧美清纯卡通| 又黄又爽又刺激的免费视频.| 亚洲在久久综合| 久久久午夜欧美精品| 有码 亚洲区| 一区二区三区免费毛片| 99久久人妻综合| 在线精品无人区一区二区三| 男的添女的下面高潮视频| www.色视频.com| 在线观看免费高清a一片| 国产精品国产三级国产专区5o| 涩涩av久久男人的天堂| 女性生殖器流出的白浆| av免费观看日本| 亚洲国产精品一区三区| 51国产日韩欧美| 成人综合一区亚洲| av网站免费在线观看视频| 一级毛片 在线播放| 91在线精品国自产拍蜜月| 色视频www国产| 尾随美女入室| 国产 一区精品| 一级二级三级毛片免费看| 51国产日韩欧美| av专区在线播放| 成人毛片a级毛片在线播放| 一本色道久久久久久精品综合| 黄色毛片三级朝国网站 | 亚洲综合色惰| 美女cb高潮喷水在线观看| 国产在线一区二区三区精| 99re6热这里在线精品视频| 天天躁夜夜躁狠狠久久av| 午夜激情久久久久久久| 男人爽女人下面视频在线观看| 久久精品国产a三级三级三级| 在线精品无人区一区二区三| 国产av码专区亚洲av| 亚洲成人av在线免费| 国产美女午夜福利| 精品99又大又爽又粗少妇毛片| av在线app专区| 久久午夜福利片| 久久午夜综合久久蜜桃| 男女边吃奶边做爰视频| 欧美 亚洲 国产 日韩一| 下体分泌物呈黄色| 丝袜在线中文字幕| 日韩欧美一区视频在线观看 | 午夜av观看不卡| av网站免费在线观看视频| 美女大奶头黄色视频| 亚洲av国产av综合av卡| 午夜av观看不卡| 日本vs欧美在线观看视频 | 日韩精品免费视频一区二区三区 | 噜噜噜噜噜久久久久久91| 久久 成人 亚洲| 欧美日韩国产mv在线观看视频| 国产片特级美女逼逼视频| 欧美精品亚洲一区二区| 久久久精品免费免费高清| 我的老师免费观看完整版| 大码成人一级视频| 在现免费观看毛片| 日本欧美视频一区| 欧美精品一区二区大全| 一级毛片久久久久久久久女| 老熟女久久久| h日本视频在线播放| 国产精品秋霞免费鲁丝片| av国产精品久久久久影院| 国产无遮挡羞羞视频在线观看| 国产精品人妻久久久久久| 日日啪夜夜撸| 国产免费视频播放在线视频| 久久久国产欧美日韩av| 成年美女黄网站色视频大全免费 | 老司机影院成人| 美女中出高潮动态图| 天堂中文最新版在线下载| 精品久久久久久电影网| 国内精品宾馆在线| 免费看不卡的av| 男女边摸边吃奶| 日韩av免费高清视频| 亚洲av免费高清在线观看| 男人添女人高潮全过程视频| 在线观看av片永久免费下载| 久久综合国产亚洲精品| 国产视频首页在线观看| 少妇裸体淫交视频免费看高清| 免费看日本二区| 久久鲁丝午夜福利片| 又大又黄又爽视频免费| 欧美日韩国产mv在线观看视频| 99久久人妻综合| 免费观看av网站的网址| 亚洲av福利一区| 国产美女午夜福利| 亚洲中文av在线| 看非洲黑人一级黄片| 热re99久久国产66热| 免费黄网站久久成人精品| 国产av码专区亚洲av| 大片电影免费在线观看免费| 三级国产精品片| 国产探花极品一区二区| 欧美bdsm另类| 日韩亚洲欧美综合| 内射极品少妇av片p| 搡女人真爽免费视频火全软件| av国产久精品久网站免费入址| 免费看不卡的av| 亚洲一区二区三区欧美精品| 久久99热这里只频精品6学生| 国产精品蜜桃在线观看| 欧美xxⅹ黑人| av天堂久久9| 国产精品国产av在线观看| 国产成人精品久久久久久| 国产男女内射视频| a 毛片基地| 少妇被粗大的猛进出69影院 | 国产免费又黄又爽又色| 2022亚洲国产成人精品| 王馨瑶露胸无遮挡在线观看| 大又大粗又爽又黄少妇毛片口| 亚洲精品自拍成人| 亚洲一级一片aⅴ在线观看| 2021少妇久久久久久久久久久| 国产淫语在线视频| 欧美日韩视频精品一区| 丰满少妇做爰视频| 国产精品不卡视频一区二区| 七月丁香在线播放| 久久精品国产亚洲网站| 久久女婷五月综合色啪小说| 精品久久国产蜜桃| 女的被弄到高潮叫床怎么办| 夜夜看夜夜爽夜夜摸| 免费久久久久久久精品成人欧美视频 | 亚洲国产日韩一区二区| 色吧在线观看| 乱系列少妇在线播放| 高清视频免费观看一区二区| 中文欧美无线码| 18禁在线无遮挡免费观看视频| 成人综合一区亚洲| 亚洲精品日韩av片在线观看| 久久久久网色| 国产在线免费精品| 各种免费的搞黄视频| 成年人午夜在线观看视频| 久久这里有精品视频免费| 久久99精品国语久久久| 一本大道久久a久久精品| 国产日韩欧美在线精品| 美女主播在线视频| 国产精品熟女久久久久浪| 国产精品不卡视频一区二区| 国产一区亚洲一区在线观看| 久久午夜综合久久蜜桃| 中文在线观看免费www的网站| 国产永久视频网站| av在线播放精品| 观看免费一级毛片| 免费观看a级毛片全部| 婷婷色综合www| 99久久精品一区二区三区| 婷婷色综合大香蕉| 一级二级三级毛片免费看| 国产无遮挡羞羞视频在线观看| 亚洲国产精品专区欧美| 99久久中文字幕三级久久日本| 中文字幕av电影在线播放| 亚洲国产色片| 国产91av在线免费观看| 人妻制服诱惑在线中文字幕| 深夜a级毛片| 午夜免费鲁丝| av女优亚洲男人天堂| 一级爰片在线观看| 肉色欧美久久久久久久蜜桃| 久久国产乱子免费精品| 亚洲av电影在线观看一区二区三区| 老司机亚洲免费影院| 又爽又黄a免费视频| 看十八女毛片水多多多| 观看av在线不卡| 久久ye,这里只有精品| 亚洲四区av| 国产免费又黄又爽又色| 男女免费视频国产| 日日撸夜夜添| 亚洲精品国产av成人精品| 国产免费又黄又爽又色| 人妻夜夜爽99麻豆av| 国产 一区精品| 成人综合一区亚洲| 老司机影院毛片| 一个人看视频在线观看www免费| 亚洲国产日韩一区二区| 亚洲第一区二区三区不卡| 亚洲国产欧美在线一区| 99久久综合免费| 国产欧美日韩一区二区三区在线 | 亚洲久久久国产精品| 国内少妇人妻偷人精品xxx网站| 色吧在线观看| 成年人午夜在线观看视频| 99热这里只有是精品50| 免费观看在线日韩| 精品久久国产蜜桃| 国产黄色视频一区二区在线观看| 99久久人妻综合| 欧美日本中文国产一区发布| 91午夜精品亚洲一区二区三区| 日本猛色少妇xxxxx猛交久久| 亚洲国产精品成人久久小说| 日韩欧美一区视频在线观看 | 久久人人爽人人片av| 国产又色又爽无遮挡免| 日日啪夜夜撸| 欧美性感艳星| 久热久热在线精品观看| 精品酒店卫生间| 亚洲国产av新网站| 欧美日韩视频高清一区二区三区二| 伊人久久国产一区二区| 蜜臀久久99精品久久宅男| 性色avwww在线观看| 国产毛片在线视频| 大片电影免费在线观看免费| 亚洲精品中文字幕在线视频 | 最近中文字幕高清免费大全6| 久久狼人影院| 国产精品国产三级专区第一集| av在线播放精品| 一边亲一边摸免费视频| 国产成人aa在线观看| kizo精华| 五月伊人婷婷丁香| 精品少妇内射三级| 国产 精品1| 久久精品熟女亚洲av麻豆精品| 国产女主播在线喷水免费视频网站| 777米奇影视久久| 五月天丁香电影| 青春草视频在线免费观看| 日韩av不卡免费在线播放| 一级二级三级毛片免费看| 又爽又黄a免费视频| 伊人亚洲综合成人网| 2018国产大陆天天弄谢| 熟妇人妻不卡中文字幕| 国产淫语在线视频| 春色校园在线视频观看| 特大巨黑吊av在线直播| 另类亚洲欧美激情| 黑丝袜美女国产一区| 久久精品国产自在天天线| 久久久久久久精品精品| 韩国av在线不卡| 精品少妇黑人巨大在线播放| 国产真实伦视频高清在线观看| 中文字幕av电影在线播放| 蜜桃久久精品国产亚洲av| 亚洲经典国产精华液单| 99热网站在线观看| 国产淫片久久久久久久久| 人妻 亚洲 视频| 男女啪啪激烈高潮av片| 久久99热这里只频精品6学生| 国产爽快片一区二区三区| 人人妻人人澡人人爽人人夜夜| 亚洲国产av新网站| 2021少妇久久久久久久久久久| 少妇的逼水好多| 69精品国产乱码久久久| 91在线精品国自产拍蜜月| 黑人巨大精品欧美一区二区蜜桃 | 久久99蜜桃精品久久| 精品少妇久久久久久888优播| 国产美女午夜福利| 两个人免费观看高清视频 | 男男h啪啪无遮挡| 国产精品久久久久久精品古装| 亚洲性久久影院| 国产伦精品一区二区三区视频9| 中文乱码字字幕精品一区二区三区| 青春草视频在线免费观看| 亚洲精品日韩在线中文字幕| av国产精品久久久久影院| 成年av动漫网址| 成年美女黄网站色视频大全免费 | 一级毛片久久久久久久久女| 蜜桃久久精品国产亚洲av| 亚洲电影在线观看av| 亚洲精品国产成人久久av| 久久久久久人妻| 免费av不卡在线播放| 国产亚洲91精品色在线| 亚洲av成人精品一区久久| 亚洲伊人久久精品综合| 亚洲精品国产av蜜桃| 久久热精品热| 国产黄色视频一区二区在线观看| 亚洲av日韩在线播放| 性色avwww在线观看| 看十八女毛片水多多多| 亚洲成人手机| 伦理电影大哥的女人| 观看美女的网站| 熟女av电影| 久久人人爽人人爽人人片va| 伊人久久国产一区二区| h日本视频在线播放| 免费av不卡在线播放| 国产免费一级a男人的天堂| 多毛熟女@视频| a 毛片基地| 国产精品一区二区在线观看99| 青春草亚洲视频在线观看| 午夜视频国产福利| 激情五月婷婷亚洲| 在线观看免费视频网站a站| 亚洲伊人久久精品综合| 自线自在国产av| 日本av免费视频播放| 国产成人aa在线观看| 边亲边吃奶的免费视频| 欧美精品亚洲一区二区| 边亲边吃奶的免费视频| 狂野欧美激情性bbbbbb| 两个人的视频大全免费| 精品人妻熟女av久视频| 亚洲激情五月婷婷啪啪| a级毛色黄片| freevideosex欧美| 久久精品夜色国产| 亚洲av中文av极速乱| 日韩 亚洲 欧美在线| 欧美精品人与动牲交sv欧美| 亚洲精品日本国产第一区| 老司机影院毛片| 美女内射精品一级片tv| 高清午夜精品一区二区三区| 全区人妻精品视频| 久久青草综合色| 人人妻人人看人人澡| 免费av中文字幕在线| 成人综合一区亚洲| 国产亚洲午夜精品一区二区久久| 国产色婷婷99| 国产亚洲午夜精品一区二区久久| 精品一品国产午夜福利视频| 九色成人免费人妻av| 青春草视频在线免费观看| 国产成人精品婷婷| 日韩欧美一区视频在线观看 | 久久久久久久久久久丰满| 亚洲欧洲国产日韩| 91成人精品电影| 最黄视频免费看| 欧美丝袜亚洲另类| 国产熟女午夜一区二区三区 | 欧美激情国产日韩精品一区| 嫩草影院新地址| 免费看光身美女| 嫩草影院新地址| 成年人免费黄色播放视频 | 久久av网站| 欧美激情国产日韩精品一区| 丝瓜视频免费看黄片| av福利片在线观看| 国产高清国产精品国产三级| 国产在线一区二区三区精| 自拍偷自拍亚洲精品老妇| 国产精品嫩草影院av在线观看| 国产精品一区二区三区四区免费观看| 日韩av免费高清视频| 久久久久国产精品人妻一区二区| 少妇高潮的动态图| 在线观看三级黄色| 婷婷色av中文字幕| 国产永久视频网站| 天堂8中文在线网| 中文字幕免费在线视频6| 制服丝袜香蕉在线| 久久久精品94久久精品| 特大巨黑吊av在线直播| 91午夜精品亚洲一区二区三区| 午夜老司机福利剧场| 国产成人一区二区在线| 中文精品一卡2卡3卡4更新| 麻豆精品久久久久久蜜桃| 亚洲第一区二区三区不卡| 日日爽夜夜爽网站| 久久国产精品男人的天堂亚洲 | 天堂俺去俺来也www色官网| 在线天堂最新版资源| 久久青草综合色| 中文字幕久久专区| 又大又黄又爽视频免费| 三上悠亚av全集在线观看 | 国产淫语在线视频| 91久久精品国产一区二区三区| 蜜桃在线观看..| 久久久久人妻精品一区果冻| 两个人免费观看高清视频 | 免费av不卡在线播放| 最近手机中文字幕大全| 日韩人妻高清精品专区| 热re99久久精品国产66热6| 亚洲美女黄色视频免费看| 最近2019中文字幕mv第一页| 国产精品偷伦视频观看了| 久久精品国产亚洲网站| 日产精品乱码卡一卡2卡三| 久久午夜福利片| 一级爰片在线观看| 国产色婷婷99| 最新中文字幕久久久久| 日韩 亚洲 欧美在线| 国产男女超爽视频在线观看| 亚洲av.av天堂| 亚洲av不卡在线观看| 国产精品成人在线| 亚洲欧美清纯卡通| 国产精品.久久久| 天堂8中文在线网| 日韩电影二区| 国产极品粉嫩免费观看在线 | 制服人妻中文乱码| 一区福利在线观看| 免费在线观看黄色视频的| 激情视频va一区二区三区| 午夜福利在线观看吧| 高清欧美精品videossex| 美女高潮到喷水免费观看| 搡老乐熟女国产| 成年动漫av网址| 制服人妻中文乱码| 国产免费现黄频在线看| 岛国在线观看网站| 亚洲精品久久久久久婷婷小说| 每晚都被弄得嗷嗷叫到高潮| 精品一区二区三区四区五区乱码| 久久久国产欧美日韩av| 夫妻午夜视频| 成年人免费黄色播放视频| 精品久久久精品久久久| 男女边摸边吃奶| 蜜桃国产av成人99| 国产成人免费观看mmmm| 国产精品久久久人人做人人爽| av天堂久久9| 国产三级黄色录像| 日韩免费高清中文字幕av| 亚洲黑人精品在线| 亚洲欧美日韩另类电影网站| 日本一区二区免费在线视频| 欧美在线黄色| 777久久人妻少妇嫩草av网站| 国产免费现黄频在线看| 正在播放国产对白刺激| 国产真人三级小视频在线观看| 免费在线观看黄色视频的| 女人被躁到高潮嗷嗷叫费观| 国产av又大| 久久国产精品影院| 最近最新中文字幕大全免费视频| 亚洲av片天天在线观看| 欧美激情 高清一区二区三区| 2018国产大陆天天弄谢| 亚洲国产看品久久| 2018国产大陆天天弄谢| 精品视频人人做人人爽| 人妻久久中文字幕网| 在线观看人妻少妇| 欧美中文综合在线视频| 高清视频免费观看一区二区| av电影中文网址| 中国美女看黄片| 超碰97精品在线观看| 日本vs欧美在线观看视频| 久久久精品免费免费高清| 啦啦啦在线免费观看视频4| 国产av精品麻豆| 国产精品一区二区精品视频观看| 制服诱惑二区| 在线观看一区二区三区激情| 精品一区二区三区av网在线观看 | 大香蕉久久网| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲 欧美一区二区三区| 香蕉丝袜av| 亚洲欧美激情在线| 免费在线观看黄色视频的| 久久国产精品男人的天堂亚洲| 亚洲精品国产色婷婷电影| 亚洲中文av在线| 亚洲午夜精品一区,二区,三区| 欧美日韩成人在线一区二区| 精品亚洲成a人片在线观看| 正在播放国产对白刺激| 国产一区二区激情短视频 | tocl精华| 亚洲少妇的诱惑av| 青春草亚洲视频在线观看| 大陆偷拍与自拍| 亚洲精品成人av观看孕妇| 热99re8久久精品国产| 国产精品麻豆人妻色哟哟久久| 黑人欧美特级aaaaaa片| 狠狠婷婷综合久久久久久88av| 天堂俺去俺来也www色官网| e午夜精品久久久久久久| h视频一区二区三区| av国产精品久久久久影院| 久久99一区二区三区| 亚洲精品成人av观看孕妇| 日本一区二区免费在线视频| 国产日韩欧美在线精品| 看免费av毛片| 天天操日日干夜夜撸| 每晚都被弄得嗷嗷叫到高潮| 久久久久视频综合| 十八禁网站免费在线| 一本久久精品| 日本av免费视频播放| 搡老岳熟女国产| 精品第一国产精品| 精品国产乱码久久久久久男人| 久热爱精品视频在线9| 精品国产乱码久久久久久小说| av欧美777| 免费在线观看日本一区| 天堂中文最新版在线下载| 国产成人欧美| 美女扒开内裤让男人捅视频| 亚洲精品美女久久久久99蜜臀| 国产在视频线精品| 久久九九热精品免费| 国产亚洲精品第一综合不卡| 丰满人妻熟妇乱又伦精品不卡| 美女高潮到喷水免费观看| 岛国在线观看网站| 国产熟女午夜一区二区三区| 亚洲精品久久成人aⅴ小说| 一区二区三区四区激情视频| 老鸭窝网址在线观看| 亚洲国产成人一精品久久久| 多毛熟女@视频| 国产男女超爽视频在线观看| 韩国高清视频一区二区三区| 精品欧美一区二区三区在线| 99re6热这里在线精品视频| 久久久久网色| 亚洲欧美成人综合另类久久久| 久久久欧美国产精品| 国产在视频线精品| 国产欧美日韩一区二区精品| 啦啦啦免费观看视频1| 久久久久久久精品精品| 亚洲av欧美aⅴ国产| 亚洲伊人色综图| 黑人欧美特级aaaaaa片| 狠狠狠狠99中文字幕| 国产成人欧美| 夫妻午夜视频| 叶爱在线成人免费视频播放| 国产精品一二三区在线看| 精品欧美一区二区三区在线| 日本黄色日本黄色录像| 午夜激情av网站| av片东京热男人的天堂| 亚洲精品美女久久久久99蜜臀| 久久精品亚洲熟妇少妇任你| 后天国语完整版免费观看| 免费少妇av软件| 日日爽夜夜爽网站| 18在线观看网站| 亚洲欧美色中文字幕在线| 黄色毛片三级朝国网站| a在线观看视频网站| 国产日韩欧美亚洲二区| 一级毛片女人18水好多| 大型av网站在线播放| 三上悠亚av全集在线观看| www.熟女人妻精品国产| 精品久久久久久久毛片微露脸 | 纵有疾风起免费观看全集完整版| 成年av动漫网址| 国产一区二区 视频在线| 亚洲性夜色夜夜综合| 韩国高清视频一区二区三区| 高清av免费在线| 黄色视频,在线免费观看| 麻豆乱淫一区二区| 老司机午夜福利在线观看视频 | 交换朋友夫妻互换小说| 女人高潮潮喷娇喘18禁视频| 9色porny在线观看|