• <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
    国产精品久久久久久久久免| 国产1区2区3区精品| 精品福利永久在线观看| 午夜福利在线免费观看网站| 深夜精品福利| 黄色视频不卡| 亚洲图色成人| 校园人妻丝袜中文字幕| 满18在线观看网站| 黄色怎么调成土黄色| 久久99一区二区三区| 免费黄网站久久成人精品| 交换朋友夫妻互换小说| 国产不卡av网站在线观看| 青春草视频在线免费观看| 亚洲av综合色区一区| 观看美女的网站| 女人精品久久久久毛片| 久久性视频一级片| 成人亚洲精品一区在线观看| 在线观看免费视频网站a站| 涩涩av久久男人的天堂| 纯流量卡能插随身wifi吗| 丰满迷人的少妇在线观看| 亚洲天堂av无毛| 色网站视频免费| 欧美精品高潮呻吟av久久| 在线免费观看不下载黄p国产| 老司机在亚洲福利影院| 热re99久久国产66热| 成人毛片60女人毛片免费| 少妇被粗大的猛进出69影院| 蜜桃国产av成人99| 欧美日韩国产mv在线观看视频| 99国产综合亚洲精品| 蜜桃国产av成人99| 夜夜骑夜夜射夜夜干| 国产片内射在线| 日韩不卡一区二区三区视频在线| 国产成人精品久久久久久| 国产一区有黄有色的免费视频| 性少妇av在线| 久久女婷五月综合色啪小说| 亚洲,一卡二卡三卡| 波野结衣二区三区在线| 久久精品国产综合久久久| 国产成人精品在线电影| www.熟女人妻精品国产| 久久毛片免费看一区二区三区| 天美传媒精品一区二区| 老司机影院毛片| 五月天丁香电影| 视频在线观看一区二区三区| 国产精品久久久久久久久免| 日韩一卡2卡3卡4卡2021年| 亚洲少妇的诱惑av| 高清不卡的av网站| 男女之事视频高清在线观看 | 老司机深夜福利视频在线观看 | 欧美日韩综合久久久久久| 精品亚洲乱码少妇综合久久| 99热全是精品| 久久久久网色| 欧美国产精品va在线观看不卡| 热99国产精品久久久久久7| 久久久亚洲精品成人影院| 国产淫语在线视频| 老熟女久久久| 国产无遮挡羞羞视频在线观看| 久久久久国产精品人妻一区二区| 久久综合国产亚洲精品| 色精品久久人妻99蜜桃| 亚洲成色77777| 久久国产精品男人的天堂亚洲| 热99国产精品久久久久久7| 日韩成人av中文字幕在线观看| 久久人人爽av亚洲精品天堂| 欧美另类一区| 久久99一区二区三区| 在线看a的网站| 亚洲人成77777在线视频| 久热爱精品视频在线9| 在线 av 中文字幕| 啦啦啦啦在线视频资源| 黄网站色视频无遮挡免费观看| 欧美 亚洲 国产 日韩一| 国产97色在线日韩免费| 99国产综合亚洲精品| 美女脱内裤让男人舔精品视频| 两个人看的免费小视频| 精品久久久久久电影网| 一级片免费观看大全| 日本黄色日本黄色录像| 日韩精品免费视频一区二区三区| 老司机靠b影院| 2021少妇久久久久久久久久久| 校园人妻丝袜中文字幕| 国产片内射在线| 国产高清国产精品国产三级| 哪个播放器可以免费观看大片| 两性夫妻黄色片| 欧美日韩一区二区视频在线观看视频在线| 少妇被粗大的猛进出69影院| videos熟女内射| 亚洲精品在线美女| 午夜激情av网站| 午夜91福利影院| 日韩成人av中文字幕在线观看| www.精华液| 日本wwww免费看| 免费人妻精品一区二区三区视频| 免费观看人在逋| 久久久久精品人妻al黑| 午夜福利乱码中文字幕| 精品亚洲成a人片在线观看| 飞空精品影院首页| 精品少妇一区二区三区视频日本电影 | 久久天躁狠狠躁夜夜2o2o | 亚洲,欧美,日韩| 亚洲第一av免费看| 婷婷成人精品国产| 欧美日韩av久久| 久久精品国产综合久久久| 亚洲精品久久午夜乱码| 欧美久久黑人一区二区| 一边亲一边摸免费视频| 女人精品久久久久毛片| 亚洲精品国产色婷婷电影| 日本爱情动作片www.在线观看| 日韩欧美精品免费久久| 我要看黄色一级片免费的| 热99国产精品久久久久久7| 最近2019中文字幕mv第一页| 好男人视频免费观看在线| 青春草亚洲视频在线观看| 啦啦啦中文免费视频观看日本| 丝袜美足系列| av不卡在线播放| 五月天丁香电影| 丝袜脚勾引网站| 99久国产av精品国产电影| 国产成人a∨麻豆精品| av国产久精品久网站免费入址| 成年人午夜在线观看视频| 激情视频va一区二区三区| av电影中文网址| 91精品国产国语对白视频| 亚洲精品国产色婷婷电影| 日本猛色少妇xxxxx猛交久久| 可以免费在线观看a视频的电影网站 | 日本午夜av视频| 精品一区二区三区四区五区乱码 | av视频免费观看在线观看| 一区二区日韩欧美中文字幕| 无遮挡黄片免费观看| 99久久人妻综合| 免费黄频网站在线观看国产| 免费在线观看完整版高清| 国产av码专区亚洲av| 美女高潮到喷水免费观看| 国产探花极品一区二区| 高清视频免费观看一区二区| 捣出白浆h1v1| 亚洲av日韩精品久久久久久密 | 啦啦啦视频在线资源免费观看| 成人18禁高潮啪啪吃奶动态图| 成人影院久久| 久久久久精品国产欧美久久久 | a 毛片基地| 男人爽女人下面视频在线观看| 亚洲精品第二区| 水蜜桃什么品种好| 麻豆乱淫一区二区| 青春草亚洲视频在线观看| 成人影院久久| 9热在线视频观看99| 天堂俺去俺来也www色官网| 日韩免费高清中文字幕av| 亚洲综合精品二区| 最近手机中文字幕大全| 好男人视频免费观看在线| 女人爽到高潮嗷嗷叫在线视频| 美女福利国产在线| 亚洲婷婷狠狠爱综合网| 毛片一级片免费看久久久久| 毛片一级片免费看久久久久| 91精品伊人久久大香线蕉| 中文字幕av电影在线播放| 国产1区2区3区精品| 99久久综合免费| 热re99久久国产66热| 男人爽女人下面视频在线观看| 97人妻天天添夜夜摸| 777久久人妻少妇嫩草av网站| 侵犯人妻中文字幕一二三四区| 青春草国产在线视频| 纯流量卡能插随身wifi吗| 日韩精品免费视频一区二区三区| 在线天堂中文资源库| 成年人免费黄色播放视频| 欧美人与善性xxx| 国产在线免费精品| 1024视频免费在线观看| 国产成人91sexporn| 久久久久精品国产欧美久久久 | 一区二区三区四区激情视频| 亚洲婷婷狠狠爱综合网| 午夜激情av网站| 天天躁夜夜躁狠狠躁躁| 两个人免费观看高清视频| 99国产综合亚洲精品| 满18在线观看网站| 满18在线观看网站| 最新的欧美精品一区二区| 一区在线观看完整版| 激情五月婷婷亚洲| 高清av免费在线| 欧美日韩福利视频一区二区| 久久久久视频综合| 亚洲 欧美一区二区三区| 热re99久久国产66热| 亚洲国产精品一区三区| 国产亚洲午夜精品一区二区久久| 精品久久蜜臀av无| 中文精品一卡2卡3卡4更新| 大码成人一级视频| 亚洲,一卡二卡三卡| 国产精品免费视频内射| av在线app专区| 精品视频人人做人人爽| 免费黄频网站在线观看国产| 韩国精品一区二区三区| 成年动漫av网址| 久久国产精品大桥未久av| 国产黄频视频在线观看| 一区二区av电影网| 人人妻人人澡人人看| 极品人妻少妇av视频| 成人三级做爰电影| 欧美国产精品一级二级三级| 亚洲精品久久午夜乱码| 欧美乱码精品一区二区三区| 水蜜桃什么品种好| av线在线观看网站| 亚洲精华国产精华液的使用体验| 国产男女超爽视频在线观看| 成年美女黄网站色视频大全免费| 狠狠婷婷综合久久久久久88av| 国产福利在线免费观看视频| 色精品久久人妻99蜜桃| 成人黄色视频免费在线看| 人人妻人人澡人人看| xxx大片免费视频| 亚洲国产精品一区三区| 亚洲成人手机| 国产精品嫩草影院av在线观看| 国产精品熟女久久久久浪| 一二三四在线观看免费中文在| 如何舔出高潮| 久久精品国产a三级三级三级| 男人添女人高潮全过程视频| 国产毛片在线视频| 久久久久久久久久久免费av| 最近最新中文字幕大全免费视频 | 日本黄色日本黄色录像| 久久国产精品大桥未久av| 成人毛片60女人毛片免费| 黄片无遮挡物在线观看| 99热网站在线观看| 精品一区在线观看国产| 美女福利国产在线| 97人妻天天添夜夜摸| 女人被躁到高潮嗷嗷叫费观| 国产精品麻豆人妻色哟哟久久| 久久精品熟女亚洲av麻豆精品| 免费看不卡的av| 精品少妇黑人巨大在线播放| 美女脱内裤让男人舔精品视频| 成人国产麻豆网| 亚洲av福利一区| 亚洲成人手机| 亚洲国产欧美日韩在线播放| 亚洲精品美女久久久久99蜜臀 | 国产av精品麻豆| 一区二区av电影网| 大片免费播放器 马上看| 国产精品99久久99久久久不卡 | 亚洲国产欧美一区二区综合| 人人妻人人澡人人看| xxxhd国产人妻xxx| 激情视频va一区二区三区| 在线观看人妻少妇| 久久久精品免费免费高清| 欧美黑人欧美精品刺激| 男女免费视频国产| 亚洲欧洲国产日韩| 啦啦啦在线免费观看视频4| 啦啦啦啦在线视频资源| 亚洲视频免费观看视频| 亚洲精品视频女| 亚洲一级一片aⅴ在线观看| 久久久久久久精品精品| 久久久久网色| 亚洲美女搞黄在线观看| 欧美老熟妇乱子伦牲交| 老司机影院毛片| 只有这里有精品99| 欧美国产精品一级二级三级| 免费在线观看视频国产中文字幕亚洲 | 久久人人爽人人片av| 日韩一区二区视频免费看| 成年美女黄网站色视频大全免费| 日韩伦理黄色片| 欧美另类一区| 亚洲精品日本国产第一区| 精品一区二区三卡| 中文天堂在线官网| 久久久国产一区二区| 色播在线永久视频| av电影中文网址| 国产亚洲一区二区精品| 国产亚洲精品第一综合不卡| 午夜福利免费观看在线| 最黄视频免费看| 搡老乐熟女国产| 亚洲国产精品一区三区| 王馨瑶露胸无遮挡在线观看| 免费观看性生交大片5| 在线免费观看不下载黄p国产| 日本91视频免费播放| 性高湖久久久久久久久免费观看| 大香蕉久久成人网| 亚洲国产中文字幕在线视频| 毛片一级片免费看久久久久| 亚洲成人一二三区av| 国产毛片在线视频| 伊人亚洲综合成人网| 99热网站在线观看| 色视频在线一区二区三区| 无限看片的www在线观看| 久久久久久久国产电影| 亚洲精品久久成人aⅴ小说| 老司机影院毛片| 中文字幕人妻熟女乱码| 国产精品欧美亚洲77777| 99久久99久久久精品蜜桃| 亚洲精品中文字幕在线视频| 成人午夜精彩视频在线观看| 欧美xxⅹ黑人| 性少妇av在线| 国产1区2区3区精品| 建设人人有责人人尽责人人享有的| 日韩视频在线欧美| videosex国产| 免费观看a级毛片全部| 搡老乐熟女国产| 国产 精品1| 国产又爽黄色视频| 欧美日韩亚洲综合一区二区三区_| 在线观看免费午夜福利视频| 国产一区二区 视频在线| 亚洲欧美一区二区三区国产| 亚洲第一av免费看| 一级毛片黄色毛片免费观看视频| 人人妻人人澡人人看| 日本爱情动作片www.在线观看| 一边摸一边做爽爽视频免费| 精品一区二区三卡| 男女之事视频高清在线观看 | 亚洲国产精品999| 黄频高清免费视频| 七月丁香在线播放| 99九九在线精品视频| 天天躁狠狠躁夜夜躁狠狠躁| 男女下面插进去视频免费观看| 久久久久精品国产欧美久久久 | 精品国产一区二区三区四区第35| 在线精品无人区一区二区三| 电影成人av| 国产精品欧美亚洲77777| 性色av一级| 国产成人精品福利久久| 久久久久视频综合| 欧美精品亚洲一区二区| 国产午夜精品一二区理论片| 成人毛片60女人毛片免费| 久久久久精品久久久久真实原创| 亚洲精品久久午夜乱码| www.精华液| 国产精品久久久久久精品电影小说| 国产一卡二卡三卡精品 | 亚洲国产中文字幕在线视频| 丝袜美足系列| 久久久久久人妻| 色网站视频免费| 在线观看三级黄色| 97精品久久久久久久久久精品| 男人添女人高潮全过程视频| 母亲3免费完整高清在线观看| 国产亚洲最大av| 亚洲熟女毛片儿| 国产精品.久久久| 极品人妻少妇av视频| 男男h啪啪无遮挡| 国产成人系列免费观看| 这个男人来自地球电影免费观看 | 国产xxxxx性猛交| 久久天躁狠狠躁夜夜2o2o | 国产男人的电影天堂91| 曰老女人黄片| 久久久精品免费免费高清| 国产精品偷伦视频观看了| 久久综合国产亚洲精品| 久久精品国产a三级三级三级| 国产福利在线免费观看视频| 黄片播放在线免费| 亚洲图色成人| 美女高潮到喷水免费观看| 午夜av观看不卡| 午夜免费鲁丝| 中文字幕亚洲精品专区| 久久久久久久久久久免费av| 日韩中文字幕视频在线看片| 亚洲成人一二三区av| 国产av码专区亚洲av| av片东京热男人的天堂| 午夜福利免费观看在线| 日本午夜av视频| 国产免费视频播放在线视频| 国产亚洲精品第一综合不卡| 高清黄色对白视频在线免费看| av一本久久久久| 国产一级毛片在线| 美女脱内裤让男人舔精品视频| 啦啦啦在线观看免费高清www| 一二三四在线观看免费中文在| 亚洲,欧美精品.| 国产97色在线日韩免费| 久久精品亚洲熟妇少妇任你| 搡老岳熟女国产| 色精品久久人妻99蜜桃| 青青草视频在线视频观看| 女的被弄到高潮叫床怎么办| 丝袜脚勾引网站| 亚洲国产看品久久| 日韩大码丰满熟妇| 久久精品久久精品一区二区三区| 韩国精品一区二区三区| 免费女性裸体啪啪无遮挡网站| 国产男女内射视频| 久久久精品区二区三区| 久久精品国产亚洲av涩爱| 久久这里只有精品19| 2021少妇久久久久久久久久久| 人妻 亚洲 视频| 国产精品偷伦视频观看了| 美女福利国产在线| 国产日韩欧美在线精品| 亚洲精品日韩在线中文字幕| 最近中文字幕高清免费大全6| 国产在线一区二区三区精| 大话2 男鬼变身卡| 中国国产av一级| 韩国精品一区二区三区| 人成视频在线观看免费观看| 国产成人a∨麻豆精品| 午夜免费男女啪啪视频观看| 国产熟女午夜一区二区三区| 老司机影院成人| 黄色一级大片看看| 国产精品三级大全| 精品亚洲成国产av| 久久性视频一级片| 一边摸一边抽搐一进一出视频| 九草在线视频观看| 丰满迷人的少妇在线观看| 在线观看人妻少妇| av免费观看日本| 免费黄色在线免费观看| 国产免费福利视频在线观看| 毛片一级片免费看久久久久| 久久婷婷青草| 久久性视频一级片| 日韩欧美精品免费久久| 不卡视频在线观看欧美| 男女边吃奶边做爰视频| 国产欧美日韩一区二区三区在线| 最近最新中文字幕大全免费视频 | 欧美亚洲 丝袜 人妻 在线| 亚洲婷婷狠狠爱综合网| 秋霞伦理黄片| 日韩精品有码人妻一区| 水蜜桃什么品种好| 国产av精品麻豆| 一区二区三区四区激情视频| 考比视频在线观看| 日韩大片免费观看网站| 中文字幕制服av| 母亲3免费完整高清在线观看| 少妇猛男粗大的猛烈进出视频| 久久国产精品男人的天堂亚洲| 观看av在线不卡| 国产老妇伦熟女老妇高清| 岛国毛片在线播放| 男女边吃奶边做爰视频| 国产野战对白在线观看| av在线观看视频网站免费| 高清欧美精品videossex| 一级黄片播放器| 久久久国产精品麻豆| 久久热在线av| 久久精品熟女亚洲av麻豆精品| 国产精品秋霞免费鲁丝片| 亚洲欧美一区二区三区国产| 国产av码专区亚洲av| 日日爽夜夜爽网站| 欧美人与善性xxx| 中文字幕最新亚洲高清| tube8黄色片| 别揉我奶头~嗯~啊~动态视频 | 国产成人一区二区在线| 久久久久国产一级毛片高清牌| 亚洲av在线观看美女高潮| 99精品久久久久人妻精品| 日本欧美国产在线视频| 国产亚洲精品第一综合不卡| 午夜日本视频在线| 亚洲精品日本国产第一区| 九草在线视频观看| 伦理电影免费视频| 亚洲欧美色中文字幕在线| 久久久精品国产亚洲av高清涩受| 美女视频免费永久观看网站| 午夜日本视频在线| 九色亚洲精品在线播放| 精品国产乱码久久久久久男人| 国产99久久九九免费精品| 巨乳人妻的诱惑在线观看| 最黄视频免费看| 国产日韩欧美视频二区| 亚洲第一区二区三区不卡| 日日爽夜夜爽网站| 欧美老熟妇乱子伦牲交| 美女扒开内裤让男人捅视频| 国产亚洲精品第一综合不卡| 欧美日韩一级在线毛片| 亚洲欧美激情在线| 交换朋友夫妻互换小说| 美国免费a级毛片| 色94色欧美一区二区| 久久97久久精品| 中文字幕人妻丝袜一区二区 | 亚洲美女搞黄在线观看| 免费观看a级毛片全部| 亚洲五月色婷婷综合| 纵有疾风起免费观看全集完整版| 丝袜美足系列| 欧美日本中文国产一区发布| 多毛熟女@视频| 久久国产精品男人的天堂亚洲| 日韩制服骚丝袜av| 国产精品久久久久久久久免| 午夜日本视频在线| 美女国产高潮福利片在线看| 人体艺术视频欧美日本| 久久国产亚洲av麻豆专区| 国产毛片在线视频| 男女高潮啪啪啪动态图| 美女中出高潮动态图| 在线观看三级黄色| av在线老鸭窝| 黄片无遮挡物在线观看| 国产精品国产三级国产专区5o| 男女边摸边吃奶| a 毛片基地| 日韩av不卡免费在线播放| 五月天丁香电影| 大话2 男鬼变身卡| av女优亚洲男人天堂| 国产免费福利视频在线观看| 中文乱码字字幕精品一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 国语对白做爰xxxⅹ性视频网站| 人体艺术视频欧美日本| 又黄又粗又硬又大视频| 国产精品av久久久久免费| netflix在线观看网站| 国产精品一区二区在线观看99| 久久国产亚洲av麻豆专区| 久久鲁丝午夜福利片| 丁香六月欧美| 90打野战视频偷拍视频| 亚洲精品av麻豆狂野| 久久久精品免费免费高清| 亚洲一级一片aⅴ在线观看| av在线老鸭窝| 亚洲精品乱久久久久久| 丝袜喷水一区| 久久久久视频综合| 欧美精品高潮呻吟av久久| 亚洲国产av新网站| 久久久久久久大尺度免费视频| av福利片在线| 男人舔女人的私密视频| 国产成人91sexporn| 一个人免费看片子| 一级片'在线观看视频| 考比视频在线观看| 黑人欧美特级aaaaaa片| 久久精品国产亚洲av涩爱| 啦啦啦在线免费观看视频4| 黄色一级大片看看| 中文字幕高清在线视频| 午夜福利在线免费观看网站| 国产在视频线精品|