• <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和樣本熵的腦電信號睡眠分期研究?

    2016-11-28 01:29:27李懷勝鐘清華
    微處理機 2016年5期
    關(guān)鍵詞:模態(tài)信號方法

    李懷勝,楊 芳,鐘清華

    (華南師范大學(xué)物理與電信工程學(xué)院,廣州510006)

    基于EMD和樣本熵的腦電信號睡眠分期研究?

    李懷勝,楊芳,鐘清華

    (華南師范大學(xué)物理與電信工程學(xué)院,廣州510006)

    對于睡眠腦電的人工分期仍有不足的問題,提出一種基于腦電節(jié)律經(jīng)驗?zāi)B(tài)分解和樣本熵結(jié)合的睡眠分期方法。首先利用經(jīng)驗?zāi)B(tài)分解對睡眠腦電信號進行去噪和基本節(jié)律提取,獲得針對不同睡眠狀態(tài)下腦電節(jié)律的樣本熵,通過統(tǒng)計其樣本熵均值,發(fā)現(xiàn)腦電節(jié)律δ波和θ波于不同睡眠狀態(tài)下,樣本熵均值不相等且方差較小,能有效表示不同睡眠階段的特征,說明樣本熵方法能較好的實現(xiàn)腦電信號的特征提取,用來區(qū)分睡眠各分期,為利用睡眠進行監(jiān)護與醫(yī)學(xué)治療提供了一種可行的方法。

    經(jīng)驗?zāi)B(tài)分解;腦電節(jié)律;特征提?。粯颖眷?;睡眠分期

    1 引 言

    腦電(Electroencephalogram,EEG)是神經(jīng)系統(tǒng)產(chǎn)生的可測電生理信號,包含著大量生理信息,要從睡眠腦電中進行睡眠分期有很大難度。一是睡眠時腦電信號極其微弱,易于引入干擾;二是睡眠腦電信號為非平穩(wěn)隨機信號,難于提取特征,因此需要利用有效手段對睡眠腦電信號進行處理。而基于腦電的特征提取方法用于睡眠深度監(jiān)測,對睡眠進行合理分期,是研究睡眠質(zhì)量、診斷睡眠疾病的基礎(chǔ)。近年來基于神經(jīng)網(wǎng)絡(luò)[1-3]的方法被較多用于腦電模式識別中,此類方法的缺陷在于神經(jīng)網(wǎng)絡(luò)隱層節(jié)點數(shù)難以確定,泛化能力差,且容易陷入局部最小點。近來非線性動力學(xué)和混沌理論的方法,如:分形維數(shù)[4]、Kolmogorov-Sinai熵[5]、譜熵[6]、近似熵(ApEn)[7]等也被逐步應(yīng)用于腦電等生理信號分析。這些方法各有特點,其中近似熵屬于復(fù)雜度測度方法,對短數(shù)據(jù)集有效,但是近似熵值對不同參數(shù)值的選取不具備相對一致性。本文提出一種將經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)與樣本熵(Sample Entropy,SampEn)相結(jié)合的方法對睡眠腦電進行處理及睡眠分期,并經(jīng)試驗證明了該方法的有效性。

    2 經(jīng)驗?zāi)B(tài)分解和樣本熵理論分析

    2.1經(jīng)驗?zāi)B(tài)分解原理

    EMD方法[8]是由Huang等于1998年提出的一種新的數(shù)據(jù)處理方法,它的特點是能夠?qū)Ψ蔷€性、非平穩(wěn)信號進行線性化和平穩(wěn)化處理,并在分解過程中保留數(shù)據(jù)本身的特性,非常適合提取非線性非平穩(wěn)信號的瞬時特征。EMD的本質(zhì)是通過信號的時間尺度來獲得本征波動模式,然后以此為依據(jù)分解信號,分解所用的基函數(shù)是基于信號本身的,它回避了小波分解中選擇小波函數(shù)和分解層數(shù)的困擾,能自適應(yīng)地將信號分解為一系列的表征信號特征時間尺度的固有模態(tài)函數(shù)(Intrinsic Mode Function,IMF)集。

    2.2EMD分解的實現(xiàn)過程

    信號經(jīng)EMD分解后自適應(yīng)的得到有限個IMF分量和一個表征信號趨勢的余量,它的分解基于以下三個假定條件:①信號至少存在兩個極值點,即一個極大值點與一個極小值點;②信號的特征時間尺度由相鄰的兩個極值點之間的時間間隔來定義;③假使信號沒有極值點而只有拐點,則應(yīng)當在分解之前先對信號作一次或多次微分運算來獲取極值點。

    EMD分解的實質(zhì)是通過一種篩選來實現(xiàn)對信號的分解,設(shè)信號X(t)篩選的具體過程如下:

    (1)尋找信號局部的所有極大值和極小值;

    (3)計算X(t)與m10(t)的差,記做h10(t),即h10(t)=X(t)-m10(t)。

    以上過程記做一次篩選,篩選的目的有兩個:去除模態(tài)波形的疊加;平滑對稱模態(tài)波形的振幅。第一個目的是為了讓IMF的瞬時頻率具備物理意義,第二個目的是為了讓兩個相鄰的IMF振幅差不至于太大,使得IMF具備調(diào)頻作用。

    (4)檢查h10(t)是否滿足IMF條件。如果不滿足,則將h10(t)代替原始信號X(t),重復(fù)k次以上步驟,直至h1k滿足IMF條件。這樣就得到了原始信號X(t)的第一個IMF,記做c1(t),即c1(t)=h1k(t)。

    (5)將c1(t)從原始信號X(t)中分離出來,得到剩余分量r1(t),即r1(t)=X(t)-c1(t)。

    (6)將r1(t)代替原始信號X(t)依次重復(fù)以上步驟,對后面的rk(t)也同樣做篩選,分解出新的IMF集,即r2(t)=r1(t)-c2(t)...rN(t)=rN-1(t)-cN(t)。

    當rN(t)是一單調(diào)函數(shù)或者小于預(yù)先設(shè)置的值時,EMD的整個分解過程將停止。為了使得IMF在幅值和頻率上同時具備物理意義,Huang設(shè)置了一個基于限定相鄰兩個篩選結(jié)果的標準偏差SD的篩選準則,即:

    當SD的值為0.2-0.3之間時,則終止篩選。

    綜上,在EMD的整個篩選過程中,基函數(shù)是基于信號本身的特性而自動生成的,信號特性不同,其基函數(shù)也不同,因而EMD是根據(jù)信號本身的特性而對信號做自適應(yīng)的分解。信號經(jīng)過EMD分解后得到有限個IMF分量,每個IMF分量則凸顯了信號的內(nèi)在物理信息,這些IMF分量的截止頻率隨著信號的變化而變化。

    2.3樣本熵

    樣本熵是量化時間序列復(fù)雜性和研究時間序列性質(zhì)的重要工具,被廣泛應(yīng)用于很多研究領(lǐng)域,特別是生物醫(yī)學(xué)信號的研究與分析,其算法[13]描述如下:

    (1)對于一個N點的時間序列,我們表示為u={u(1),u(1),...u(N)}。

    (2)按序號連續(xù)順序組成一組m維向量:Xm(1),Xm(2),...,Xm(N-m+1),其中Xm(i)=[u(i),u(i+1),...,u(i+m+1)],1≤i≤N-m+1。

    (3)定義兩個m維向量Xm(i)和Xm(j)之間的距離d[Xm(i),Xm(j)]為兩者對應(yīng)元素中差值最大的一個,即:d[Xm(i),Xm(j)]=max{|u(i+k)-u(j+k)|},其中0≤k≤m-1,1≤i≤N-m+1,1≤j≤N-m+1,i≠j。

    (4)r是設(shè)定的匹配過程公差閾值,給定一個閾值r,對每一個i≤N-m+1的值,統(tǒng)計d[Xm(i),Xm(j)]小于r×SD(SD為序列的標準差)的數(shù)目Nm(i),并計算此數(shù)目與距離總數(shù)(N-m)的值,記作:Cm(r)=Nm(i)/(N-m)。

    (7)樣本熵定義為:

    當N為有限值時,按上述步驟得出的是序列長度為N時樣本熵的估計值,記作:

    樣本熵的物理意義是表示非線性動力學(xué)系統(tǒng)產(chǎn)生新信息的速率,樣本熵值越小,序列自我相似性越高;樣本熵值越大,序列越復(fù)雜。對于SampEn(m,r,N)函數(shù),Pincus建議r的值取0.1-0.25SD,SD為要計算的時間序列標準差,m取1或2,參數(shù)N是數(shù)據(jù)長度,要得到有效的統(tǒng)計特性和比較小的偽差,數(shù)據(jù)點數(shù)最好在100-5000之內(nèi)。通過實驗驗證,參數(shù)設(shè)為m=1,r=0.2SD,N=1500時,處理睡眠腦電信號得到的樣本熵值分布效果最好。

    3 方法與實驗結(jié)果

    3.1實驗數(shù)據(jù)

    實驗數(shù)據(jù)來源于麻省理工學(xué)院提供的MITBIH中的The Sleep-EDF database,所用數(shù)據(jù)編號為SC4001E0-PSG,1989年4月24日14:13:00~4月 25日14:18:00的睡眠數(shù)據(jù)。數(shù)據(jù)采樣頻率為100Hz,波幅單位為μV;數(shù)據(jù)存儲格式為歐洲數(shù)據(jù)格式;參考導(dǎo)聯(lián)為Fpz-Cz和Pz-Oz;該睡眠腦電的睡眠期已由專家人工標注。

    3.2睡眠腦電的去噪處理

    MIT-BIH數(shù)據(jù)庫中的原始腦電信號含有大量的眼電、肌電、工頻、高頻、白噪聲等干擾,消除腦電信號中的噪聲是進行睡眠分析的重要前提[14]。

    (1)基于EMD濾波的EEG去噪

    任意信號經(jīng)過EMD算法分解后會得到有限個IMF分量和一個表征信號趨勢的殘余分量。這些IMF分量總是按照由高頻到低頻的順序逐漸分離出來,表征了信號頻率分布的所有信息,因而它是一種自適應(yīng)濾波的信號分析方法。基于EMD算法的分解特性,可以將EMD看做是一個時頻濾波的分析方法[15]。

    基于EMD濾波的思想十分簡單,即根據(jù)信號的要求,通過去除噪音頻段的IMF,將剩余的IMF重構(gòu)來增強信號在要求頻率范圍內(nèi)的特征。其優(yōu)點在于,EMD的基函數(shù)直接從信號本身產(chǎn)生,不像小波分解算法那樣需要預(yù)先確定基函數(shù),它是一種基于信號局部特征尺度分解的自適應(yīng)濾波法。選取實驗數(shù)據(jù)中一段腦電信號進行去噪處理,如圖1所示,濾除噪音后的信號,白噪聲與尖波脈沖干擾基本消除,與此同時很好的保留了有用信號中的尖峰和突變部分,濾波處理是為下一步分析腦電信號作好準備。

    圖1 腦電信號濾波處理

    3.3睡眠腦電基本節(jié)律的提取

    通過信號的時間尺度來獲得本征信號波動模式,然后以此為依據(jù)分解信號,分解所用的基函數(shù)是基于信號本身的。再對非線性、非平穩(wěn)信號進行線性化和平穩(wěn)化處理,具有良好的時頻局部化特性,可實現(xiàn)對信號瞬態(tài)成分的檢測,并可對其各頻率段成分進行處理,提取到睡眠腦電信號節(jié)律的時變信息,并在分解過程中保留數(shù)據(jù)本身的特性,較好地表現(xiàn)頻域信號的連續(xù)性和突變性,在實際工程應(yīng)用中能夠獲得較好的效果。選取實驗數(shù)據(jù)中的一段睡眠腦電信號,如圖2所示。腦電信號基本節(jié)律的提取,如圖3所示,圖4為完備性檢測圖。

    3.4睡眠腦電基本節(jié)律的分析

    目前國際上普遍使用的是R&K睡眠分階規(guī)則[16],它把睡眠分為覺醒期(SW)、非快速眼動睡眠期(NREM)、和快速眼動睡眠期(REM),其中NREM可分為Ⅰ期、Ⅱ期、Ⅲ期和Ⅳ期。由于Ⅲ期和Ⅳ期波形很相似,僅在振幅上略有區(qū)別,將Ⅲ期和Ⅳ期統(tǒng)一劃分為Ⅲ期。且δ波和θ波是表征睡眠的主要特征,因此將重點分析基本節(jié)律中δ波和θ波的變化。

    圖2 原始睡眠腦電信號

    圖3 腦電信號基本節(jié)律提取

    圖4 腦電各基本節(jié)律的完備性檢驗

    根據(jù)腦電信號在不同睡眠狀態(tài)下腦電基本節(jié)律的表現(xiàn)不同,通過比較睡眠各期的腦電節(jié)律δ波和θ波樣本熵值的大小,可用來區(qū)分不同的睡眠狀態(tài)。實驗中以實驗數(shù)據(jù)庫中的分期結(jié)果為參考標準,利用matlab進行數(shù)據(jù)處理,分別任意截取覺醒期(SW)、快速眼動睡眠期(REM)和非快速眼動睡眠期(NREM)Ⅰ期、Ⅱ期、Ⅲ期的睡眠腦電數(shù)據(jù),分別對其進行去噪和基本節(jié)律提取,然后對睡眠實驗室數(shù)據(jù)進行樣本熵計算,取m=1;r=0.25SD;N=1500,并參考經(jīng)驗豐富的醫(yī)生所做的人工睡眠分期的結(jié)論,得到睡眠腦電基本節(jié)律δ波和θ波樣本熵的平均值,再統(tǒng)計方差,得到睡眠各期腦電節(jié)律的樣本熵均值與方差如圖5-圖6所示。

    圖5 睡眠各期腦電節(jié)律的樣本熵均值

    圖6 睡眠各期腦電節(jié)律的樣本熵方差

    從睡眠規(guī)律的角度來看,睡眠各期的樣本熵是不一樣的,隨著睡眠的深入,δ波和θ波的樣本熵均值逐漸增大,δ波和θ波復(fù)雜性增強,這與有睡意時腦電中δ波和θ波占主導(dǎo)相吻合[17]。清醒期腦電節(jié)律以大于8Hz為主,所以清醒期的δ波和θ波樣本熵均值最??;快速眼動期雖然是處于深睡期,但大部分時間在做夢,所以該期的樣本熵均值最大。而從樣本熵均值及方差大小的角度來看,睡眠各期腦電節(jié)律δ波和θ波的樣本熵均值都不相等,樣本熵均值的方差很小,即不同睡眠狀態(tài)下的腦電節(jié)律δ波和θ波樣本熵值波動范圍小,總能找出任一個睡眠期與其它睡眠期的δ波和θ波樣本熵均值不相等,并且能較容易區(qū)分不同的睡眠狀態(tài)。綜上,通過腦電節(jié)律樣本熵的方法可以用來區(qū)分睡眠各期。

    4 結(jié)束語

    與腦電的非線性分析方法比較,結(jié)合EMD和樣本熵的方法可以更完整的提取睡眠腦電的各個節(jié)律,較好的保留其信號本身的特性,細致地對不同睡眠狀態(tài)下腦電基本節(jié)律的變化進行分析;同時由于睡眠各期的腦電節(jié)律δ波和θ波樣本熵均值的大小不相等,且樣本熵均值方差很小,它們能有效表示不同睡眠階段的特征。結(jié)論與數(shù)據(jù)庫中的專家判定相吻合,這說明樣本熵方法能很好的進行腦電信號的特征提取,可以用來區(qū)分睡眠各分期,可為其他信號的特征提取提供理論與實驗依據(jù),也為利用腦電信號進行監(jiān)護與醫(yī)學(xué)治療提供了一種可行的方法。

    [1]Shimada T,Shiina T,Saito Y.Detection of characteristic waves of sleep EEG by neural network analysis[J].IEEE Transactions on Biomedical Engineering,2000,47(3):369-379.

    [2]Liu Derong,Pang Zhongyu,Lloyd Stephen r.A neural network method for detection of obstructive apnea and narcolepy based on pupil size and EEG[J].IEEE Transactions on Biomedical Engineering,2008,19(2):308-318.

    [3]吳婷,顏國正,楊幫華,等.基于有監(jiān)督學(xué)習(xí)的概率神經(jīng)網(wǎng)絡(luò)的腦電信號分類方法[J].上海交通大學(xué)學(xué)報,2008,42(5):803-806.Wu T,Yan G Z,Yang B H,et al.Electroencephalography Classification Based on Probabilistic Neural Network with Supervised Learning in Brain Computer Interface[J].Journal of Shanghai Jiaotong University,2008,42(5):803-806.

    [4]胥永剛,何正嘉.分形維數(shù)和近似熵用于度量信號復(fù)雜性的比較研究[J].振動與沖擊,2003,22(3):25-27.Xu Y G,He Z J.Research on Comparison betweenapproximate entropy and fractal dimension for complexity measure of signals[J].Journal of Vibration and Shock,2003,22(3):25-27.

    [5]Pincus S M,Goldberger A L.Physiological time-se-ries Analysis:What does regularity quantify[J].Amer J Physiol Heart Circulatory Physiology,1994,266(4):1643-1656.

    [6]Grouven U,Beger F A,Schultz B,et al.Correla-tion of narcotrend index,entropy measures,and spectral parameters with calculated propofol effect-site concentrations during induction of propofol-remifentanil anaesthesia[J].Journal of Clinical Monitoring and Computing,2004,18(4):231-240.

    [7]Pincus S M.Approximate entropy(ApEn)as a complexity measure[J].Chaos,1995,5(1):110-117.

    [8]Huang N E,Shen Z,Long S R,et al.The empirical mode decomposition and the Hilbert spec-trum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London,Series A,1998,454(1971):903-995.

    [9]Soomro,M.H.A method for automatic removal of eye blink artifacts from EEG based on EMD-ICA[C].Signal Processing and its Applications(CSPA),2013 IEEE 9th International Colloquium on,2013:129-134.

    [10]J Ville.Theorie Et Applications De La Notion De Signal Analytique[J].Cablesettransmission,1948(2):61-74.

    [11]H Kim,K Hwang1,J Cho D Koo.Effect of bedside light on sleep quality and background EEG rhythms[J].Sleep Medicine 14S(2013):e165-e238.

    [12]Azarnoosh M,Motie Nasrabadi A,Mohammsdi M R,et al.Investigation of mental fatigue through EEG signal processing based on nonlinear analysis:symbolic dynamics[J].Chaos,Solitons&Fractals,2011,44(12):1054-1062.

    [13]Joshua S Richman,J Randall Moorman.Physiological timeseriesanalysisusingapproximateentropyand sample entropy[J].Am j.physiol heart circ physiol,278:h2039-h(huán)2049,2000.

    [14]Aboalayon K A I.Efficient sleep stage classification based on EEG signals[C].IEEE Long Island Systems,Applications andTechnologyConference(LISAT),2014.

    [15]P Flandrin,P Goncalves,G Rilling.Detrending and Denoising with Empirical ModeDecompositions[C].Proc.of XII EUSIPCO 2004,Vienna,Austria,2004:1581-1584.

    [16]王菡僑.有關(guān)美國睡眠醫(yī)學(xué)學(xué)會睡眠分期的最新判讀標準指南解析[J].診斷學(xué)理論與實踐,2009,8(6):575-578.Wang H Q.About the latest interpretation standard of guidelines of American Academy of Sleep Medicine for sleep staging[J].Journal of Diagnostics Concepts&Practice,2009,8(6):575-578.

    [17]V Bajaj,R B Pachori.Automatic classification of sleep stages based on the time-frequency image of EEG signals[J].Comput.Methods Programs Biomed,2013,112(3):320-328.

    [18]Hau-tieng Wu,Talmon R,Yu-Lun Lo.Assess Sleep Stage by Modern Signal Processing Techniques[J].IEEE Transactions on?Biomedical Engineering,2014,62(4):1159-1168.

    [19]李治,汪曣,劉鳳軍,等.入睡腦電信號的去噪[J].中國組織工程研究與臨床康復(fù),2007,11(13):2531-2533.Li Z,Wang Y,Liu F J,et al.Noise removing in sleeping electroencephalogram signal[J].Chinese Journal of Tissue Engineering Research,2007,11(13):2531-2533.

    [20]Huang Ch-Sh;Lin Ch-Li;Ko,et al.A hierarchical classification system for sleep stage scoring via forehead EEG signals[C].IEEE Symposium on Computational Intelligence,Cognitive Algorithms,Mind,and Brain(CCMB),2013(5):16-19.

    [21]See,A.R.A study on sleep EEG Using sample entropy and power spectrum analysis[C].Defense Science Research Conference and Expo(DSR),2011:1-4.

    [22]L Cohen,C Lee.Instantaneous Frequency,Its Standard Deviation and Multicomponent Signals[J].SPIE Adv.Algs.Sig.Proc.III,1988,975:186-208.

    [23]Temel Kayikcioglu,Masoud Maleki,Kubra.ErogluFast and accurate PLS-based classification of EEG sleep using single channel data[J].Expert Systems with Applications,2015(42):7825-7830.

    Study on Sleep Stages Based on EMD and Sample Entropy of EEG Rhythm

    Li Huaisheng,Yang Fang,Zhong Qinghua
    (School of Physics&Telecommunication Engineer,South China Normal University,Guangzhou 510006,China)

    A method of sleep stages,based on EMD and sample entropy of EEG rhythm,is put forward to solve the shortage of artificial staging of sleep EEG.Firstly,EMD is used to denoise sleeping EEG and extract the basic rhythm.Secondly,the sample entropy of EEG rhythm under different sleep states is computed.Finally,after the statistics of mean and variance of the sample entropy,the mean of sample entropy of wave δ and wave θ is different under different sleeping stages of EEG rhythm,which indicates that the sample entropy analysis of sleep EEG rhythm can be used to effectively characterize different sleeping stages and extract feature of EEG.It provides a new way to make use of sleeping EEG for care and treatment.

    EMD;EEG rhytnm;Feature extraction;Sample entropy;Sleep stages

    10.3969/j.issn.1002-2279.2016.05.017

    TP3

    A

    1002-2279(2016)05-0068-05

    ?廣東省教育部產(chǎn)學(xué)研合作基金(2012B091100062);廣東省自然科學(xué)基金(S2011040003189);廣東省科技計劃項目(20130123q)

    李懷勝(1991-),男,廣東省陽江市人,碩士研究生,主研方向:智能儀器及生理信號處理方向。

    2015-12-25

    猜你喜歡
    模態(tài)信號方法
    信號
    鴨綠江(2021年35期)2021-04-19 12:24:18
    完形填空二則
    基于FPGA的多功能信號發(fā)生器的設(shè)計
    電子制作(2018年11期)2018-08-04 03:25:42
    可能是方法不對
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    基于LabVIEW的力加載信號采集與PID控制
    國內(nèi)多模態(tài)教學(xué)研究回顧與展望
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    捕魚
    基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識別
    在线观看免费日韩欧美大片 | 精品少妇久久久久久888优播| 99久久精品一区二区三区| 熟女av电影| 永久免费av网站大全| 九九久久精品国产亚洲av麻豆| av天堂久久9| 男人爽女人下面视频在线观看| 少妇 在线观看| 久久久国产欧美日韩av| 国产在线视频一区二区| 国产精品无大码| 欧美国产精品一级二级三级 | 亚洲精品亚洲一区二区| 在线观看三级黄色| 我要看黄色一级片免费的| 狠狠精品人妻久久久久久综合| 人妻 亚洲 视频| 天堂中文最新版在线下载| 亚洲怡红院男人天堂| 国产精品三级大全| 观看美女的网站| 嫩草影院入口| av不卡在线播放| 精品一区二区三区视频在线| 欧美日韩av久久| 热re99久久精品国产66热6| 成年av动漫网址| 人妻系列 视频| 99re6热这里在线精品视频| 国产白丝娇喘喷水9色精品| 看十八女毛片水多多多| 永久免费av网站大全| 亚洲激情五月婷婷啪啪| 亚洲国产精品一区二区三区在线| 大陆偷拍与自拍| 国产av码专区亚洲av| 夜夜看夜夜爽夜夜摸| 精品人妻熟女毛片av久久网站| 成人免费观看视频高清| 人妻夜夜爽99麻豆av| 精品人妻偷拍中文字幕| 少妇人妻一区二区三区视频| 亚洲怡红院男人天堂| 欧美少妇被猛烈插入视频| 国产免费视频播放在线视频| 麻豆成人午夜福利视频| 91精品国产九色| 夜夜爽夜夜爽视频| 免费看光身美女| 色网站视频免费| 日本午夜av视频| 精品少妇久久久久久888优播| 性色av一级| 亚洲精品一二三| 亚洲一区二区三区欧美精品| 色哟哟·www| 免费观看的影片在线观看| 亚洲美女搞黄在线观看| 伊人久久精品亚洲午夜| 久久99蜜桃精品久久| 噜噜噜噜噜久久久久久91| 最近2019中文字幕mv第一页| 色5月婷婷丁香| 国产极品天堂在线| 18禁在线播放成人免费| 一级av片app| 伦精品一区二区三区| 日本与韩国留学比较| 丰满迷人的少妇在线观看| 一级黄片播放器| 国产又色又爽无遮挡免| 国产午夜精品久久久久久一区二区三区| 欧美性感艳星| 妹子高潮喷水视频| 看十八女毛片水多多多| 一本—道久久a久久精品蜜桃钙片| 一级毛片我不卡| 精品人妻一区二区三区麻豆| 国产高清不卡午夜福利| 大片电影免费在线观看免费| 最近的中文字幕免费完整| 成人午夜精彩视频在线观看| 我的老师免费观看完整版| 人体艺术视频欧美日本| 午夜福利在线观看免费完整高清在| 夜夜看夜夜爽夜夜摸| 亚洲激情五月婷婷啪啪| 天天躁夜夜躁狠狠久久av| 亚洲精品,欧美精品| 人人妻人人澡人人看| 欧美另类一区| 午夜91福利影院| 99热这里只有是精品在线观看| 青春草视频在线免费观看| 内射极品少妇av片p| 国产高清不卡午夜福利| 蜜臀久久99精品久久宅男| 日日撸夜夜添| 亚洲国产精品一区三区| av不卡在线播放| 欧美 日韩 精品 国产| 老熟女久久久| 欧美变态另类bdsm刘玥| 日本色播在线视频| 国产一区二区在线观看av| 国产亚洲91精品色在线| 久久人人爽av亚洲精品天堂| av女优亚洲男人天堂| 自线自在国产av| 人妻一区二区av| 亚洲熟女精品中文字幕| 亚洲精品自拍成人| 午夜av观看不卡| 国产男人的电影天堂91| 久久ye,这里只有精品| 午夜老司机福利剧场| 国产亚洲一区二区精品| 少妇精品久久久久久久| 精品人妻熟女毛片av久久网站| 国产精品一区二区性色av| 99热国产这里只有精品6| 激情五月婷婷亚洲| 性色avwww在线观看| 一级黄片播放器| 日韩在线高清观看一区二区三区| 一区二区三区精品91| 色视频在线一区二区三区| 超碰97精品在线观看| 看免费成人av毛片| 精品一区二区免费观看| 乱系列少妇在线播放| kizo精华| 亚洲怡红院男人天堂| 一本大道久久a久久精品| 精品一区二区三卡| 亚洲精品久久久久久婷婷小说| 久久综合国产亚洲精品| 又爽又黄a免费视频| 亚洲电影在线观看av| 一级片'在线观看视频| 少妇人妻精品综合一区二区| 成人免费观看视频高清| 国产男人的电影天堂91| 丝袜在线中文字幕| 亚洲第一区二区三区不卡| 色哟哟·www| 妹子高潮喷水视频| 亚洲第一区二区三区不卡| √禁漫天堂资源中文www| 建设人人有责人人尽责人人享有的| 久久久久久久久久成人| 亚州av有码| 最近的中文字幕免费完整| 伦精品一区二区三区| 一区二区av电影网| 国产成人aa在线观看| 国产成人一区二区在线| 丰满人妻一区二区三区视频av| 曰老女人黄片| 黄色一级大片看看| 国产男女内射视频| 中文字幕免费在线视频6| 最近中文字幕2019免费版| 午夜激情久久久久久久| 亚洲av不卡在线观看| 成人亚洲欧美一区二区av| 亚洲国产欧美在线一区| 美女视频免费永久观看网站| 亚洲国产精品一区二区三区在线| 黄色怎么调成土黄色| 久久精品国产鲁丝片午夜精品| 久久99一区二区三区| 久久午夜综合久久蜜桃| 一个人免费看片子| 成人黄色视频免费在线看| 丰满少妇做爰视频| 久久久久久久久久成人| 成人国产av品久久久| 国产免费一区二区三区四区乱码| 成年女人在线观看亚洲视频| 最新中文字幕久久久久| 久久精品夜色国产| h日本视频在线播放| 亚洲av福利一区| 青春草国产在线视频| 久久久国产精品麻豆| 国产精品人妻久久久影院| 久久人人爽人人片av| 黄色一级大片看看| 狂野欧美激情性xxxx在线观看| 丰满饥渴人妻一区二区三| av有码第一页| 爱豆传媒免费全集在线观看| 美女内射精品一级片tv| 久久婷婷青草| 菩萨蛮人人尽说江南好唐韦庄| 简卡轻食公司| 精品国产一区二区三区久久久樱花| 一级毛片电影观看| 又黄又爽又刺激的免费视频.| 这个男人来自地球电影免费观看 | 晚上一个人看的免费电影| 高清午夜精品一区二区三区| 日本爱情动作片www.在线观看| 99热这里只有是精品50| 人人妻人人澡人人看| a 毛片基地| 欧美激情极品国产一区二区三区 | 免费播放大片免费观看视频在线观看| 99热全是精品| 国产免费福利视频在线观看| 嫩草影院新地址| 国产一区有黄有色的免费视频| 一区二区三区精品91| 人妻人人澡人人爽人人| 国产在线视频一区二区| 日韩强制内射视频| 青春草视频在线免费观看| 五月伊人婷婷丁香| 韩国av在线不卡| 欧美日韩综合久久久久久| 我要看日韩黄色一级片| 免费少妇av软件| av免费观看日本| 大香蕉97超碰在线| 少妇高潮的动态图| 9色porny在线观看| 久久狼人影院| 色婷婷av一区二区三区视频| 91精品国产九色| 亚洲国产精品一区二区三区在线| av在线播放精品| 免费人成在线观看视频色| 国产极品粉嫩免费观看在线 | 欧美 日韩 精品 国产| 两个人的视频大全免费| 精品久久久精品久久久| 国产精品一区二区三区四区免费观看| 2018国产大陆天天弄谢| 高清在线视频一区二区三区| 日本与韩国留学比较| 中文字幕精品免费在线观看视频 | 日韩一区二区视频免费看| 亚洲av成人精品一二三区| 国产中年淑女户外野战色| 欧美日韩综合久久久久久| 一级二级三级毛片免费看| 久久久国产欧美日韩av| 成人无遮挡网站| av国产精品久久久久影院| 男女啪啪激烈高潮av片| 91午夜精品亚洲一区二区三区| 久久久久视频综合| 人人妻人人添人人爽欧美一区卜| 免费在线观看成人毛片| 欧美变态另类bdsm刘玥| 久久久久国产网址| 日本黄大片高清| 大片电影免费在线观看免费| 日韩亚洲欧美综合| 日韩精品免费视频一区二区三区 | 丰满乱子伦码专区| 麻豆乱淫一区二区| 97超碰精品成人国产| 亚洲精品日韩在线中文字幕| av国产精品久久久久影院| 纯流量卡能插随身wifi吗| 波野结衣二区三区在线| 日韩大片免费观看网站| av不卡在线播放| 国产日韩欧美在线精品| 久久人妻熟女aⅴ| 国产男人的电影天堂91| 国语对白做爰xxxⅹ性视频网站| 亚洲精品乱码久久久v下载方式| 美女脱内裤让男人舔精品视频| 国产精品人妻久久久影院| 韩国av在线不卡| 女人久久www免费人成看片| 爱豆传媒免费全集在线观看| 国产亚洲一区二区精品| 老司机影院毛片| 精品午夜福利在线看| 精品99又大又爽又粗少妇毛片| 2022亚洲国产成人精品| 久久精品夜色国产| 美女大奶头黄色视频| 99九九在线精品视频 | 久久午夜福利片| 国产伦在线观看视频一区| 一级片'在线观看视频| 乱人伦中国视频| 久久国产乱子免费精品| 色视频www国产| 欧美精品一区二区大全| 2021少妇久久久久久久久久久| 欧美激情极品国产一区二区三区 | 久久人人爽人人爽人人片va| 午夜影院在线不卡| 国产欧美另类精品又又久久亚洲欧美| 高清在线视频一区二区三区| 亚洲国产av新网站| 蜜桃久久精品国产亚洲av| 亚洲真实伦在线观看| a 毛片基地| 久久人妻熟女aⅴ| 精品卡一卡二卡四卡免费| 亚洲,欧美,日韩| 成人特级av手机在线观看| 国产色婷婷99| xxx大片免费视频| 精品亚洲乱码少妇综合久久| 菩萨蛮人人尽说江南好唐韦庄| 香蕉精品网在线| 免费人妻精品一区二区三区视频| 亚洲欧美日韩另类电影网站| 久久久久久久久久久久大奶| 中文乱码字字幕精品一区二区三区| 99视频精品全部免费 在线| 91久久精品国产一区二区成人| 亚洲无线观看免费| 久久综合国产亚洲精品| 亚洲国产精品999| 精品久久国产蜜桃| 人妻 亚洲 视频| 啦啦啦在线观看免费高清www| 丁香六月天网| 18禁裸乳无遮挡动漫免费视频| 老熟女久久久| 人人妻人人澡人人看| 亚洲国产欧美日韩在线播放 | 久久精品国产亚洲av天美| 亚洲精品日韩av片在线观看| 男人狂女人下面高潮的视频| 哪个播放器可以免费观看大片| 国产精品99久久99久久久不卡 | 欧美日韩在线观看h| 99热6这里只有精品| 永久免费av网站大全| 国产亚洲精品久久久com| 性高湖久久久久久久久免费观看| 国产黄片视频在线免费观看| 赤兔流量卡办理| 国产亚洲欧美精品永久| 男女无遮挡免费网站观看| 各种免费的搞黄视频| av在线app专区| 精品久久久久久电影网| 国产爽快片一区二区三区| 哪个播放器可以免费观看大片| 色视频www国产| 天美传媒精品一区二区| 日韩欧美精品免费久久| 18禁动态无遮挡网站| 久久毛片免费看一区二区三区| 大香蕉久久网| 69精品国产乱码久久久| 午夜福利影视在线免费观看| 中文资源天堂在线| 久久久久久伊人网av| 乱系列少妇在线播放| 九草在线视频观看| xxx大片免费视频| 一级av片app| 永久网站在线| 啦啦啦中文免费视频观看日本| 九九爱精品视频在线观看| 欧美xxⅹ黑人| 卡戴珊不雅视频在线播放| www.av在线官网国产| 视频中文字幕在线观看| 黄色配什么色好看| 91精品伊人久久大香线蕉| 亚洲欧美日韩东京热| 国产高清国产精品国产三级| 人人妻人人爽人人添夜夜欢视频 | 久久久久国产精品人妻一区二区| 免费高清在线观看视频在线观看| 婷婷色av中文字幕| 3wmmmm亚洲av在线观看| 中文字幕制服av| 3wmmmm亚洲av在线观看| 久久久久久久久久久丰满| 亚洲怡红院男人天堂| 亚洲av在线观看美女高潮| 九九久久精品国产亚洲av麻豆| 久久久久久久久久久丰满| 亚洲综合色惰| 在线观看一区二区三区激情| 国产一区亚洲一区在线观看| h视频一区二区三区| 精品久久久久久久久av| 亚洲精华国产精华液的使用体验| 欧美性感艳星| www.av在线官网国产| 午夜福利视频精品| 国产av精品麻豆| 一本大道久久a久久精品| 成年美女黄网站色视频大全免费 | 亚洲三级黄色毛片| 91久久精品国产一区二区三区| 少妇被粗大的猛进出69影院 | 亚洲一区二区三区欧美精品| 欧美丝袜亚洲另类| 久久精品久久久久久噜噜老黄| 久久久久久人妻| 精品久久久久久电影网| 日本欧美视频一区| 色哟哟·www| 欧美高清成人免费视频www| 丰满迷人的少妇在线观看| 久久久久久久久久成人| 热re99久久国产66热| 久久久国产精品麻豆| 精品国产国语对白av| 一级毛片黄色毛片免费观看视频| 中文乱码字字幕精品一区二区三区| 国内少妇人妻偷人精品xxx网站| 国产精品99久久99久久久不卡 | 亚洲情色 制服丝袜| 亚洲,欧美,日韩| 久久97久久精品| 久久女婷五月综合色啪小说| 一本久久精品| 国产永久视频网站| 国产亚洲一区二区精品| 人人妻人人澡人人看| 老熟女久久久| 亚洲av福利一区| 80岁老熟妇乱子伦牲交| 天堂8中文在线网| 大香蕉久久网| 免费观看的影片在线观看| 久久99一区二区三区| 欧美xxxx性猛交bbbb| 免费高清在线观看视频在线观看| 在线亚洲精品国产二区图片欧美 | 一区二区三区乱码不卡18| 久久人妻熟女aⅴ| 水蜜桃什么品种好| 国产真实伦视频高清在线观看| 在线观看www视频免费| 观看av在线不卡| 亚洲精品乱码久久久v下载方式| 最近最新中文字幕免费大全7| 日韩视频在线欧美| 我要看日韩黄色一级片| 五月开心婷婷网| 午夜福利影视在线免费观看| 日韩一本色道免费dvd| 欧美3d第一页| 极品人妻少妇av视频| 欧美一级a爱片免费观看看| 丰满乱子伦码专区| 成年人免费黄色播放视频 | 亚洲,欧美,日韩| 毛片一级片免费看久久久久| 国产精品麻豆人妻色哟哟久久| 自线自在国产av| 天天躁夜夜躁狠狠久久av| 亚洲精品国产av成人精品| 国产在线视频一区二区| 噜噜噜噜噜久久久久久91| 久久国产精品男人的天堂亚洲 | 亚洲av不卡在线观看| 国产亚洲5aaaaa淫片| 亚洲成人一二三区av| 亚洲美女视频黄频| 久久狼人影院| 观看美女的网站| av天堂中文字幕网| 水蜜桃什么品种好| 五月伊人婷婷丁香| 在线观看一区二区三区激情| 久久午夜综合久久蜜桃| 亚洲经典国产精华液单| 久久久久网色| 午夜av观看不卡| 又爽又黄a免费视频| 少妇的逼好多水| 高清视频免费观看一区二区| 能在线免费看毛片的网站| 亚洲av欧美aⅴ国产| 欧美丝袜亚洲另类| 色吧在线观看| 免费看不卡的av| 午夜福利视频精品| 天天操日日干夜夜撸| 青春草国产在线视频| 一区二区av电影网| 秋霞伦理黄片| 久久精品久久精品一区二区三区| 熟女电影av网| 三级国产精品片| 人人妻人人澡人人看| 成人综合一区亚洲| 日本91视频免费播放| 五月玫瑰六月丁香| 欧美人与善性xxx| 欧美日韩国产mv在线观看视频| 欧美精品人与动牲交sv欧美| 亚洲av不卡在线观看| 国产一区亚洲一区在线观看| 国产伦在线观看视频一区| 91久久精品国产一区二区成人| 日本黄大片高清| 色视频www国产| 日日撸夜夜添| a级片在线免费高清观看视频| 久久99热这里只频精品6学生| 黄色日韩在线| 丝袜脚勾引网站| 五月伊人婷婷丁香| 青春草视频在线免费观看| 天美传媒精品一区二区| 欧美三级亚洲精品| 日本黄色片子视频| 少妇丰满av| 欧美97在线视频| 久久人人爽av亚洲精品天堂| 黑丝袜美女国产一区| 精品人妻熟女av久视频| 国产熟女午夜一区二区三区 | h日本视频在线播放| 亚洲国产色片| 国产一区二区在线观看日韩| 成年女人在线观看亚洲视频| 久久 成人 亚洲| 午夜福利网站1000一区二区三区| 国产精品蜜桃在线观看| 亚洲内射少妇av| 精品酒店卫生间| 国产精品一区www在线观看| 欧美bdsm另类| h视频一区二区三区| 啦啦啦视频在线资源免费观看| 人妻夜夜爽99麻豆av| 欧美成人精品欧美一级黄| 中文精品一卡2卡3卡4更新| 高清视频免费观看一区二区| 国产精品久久久久成人av| 国产免费一级a男人的天堂| 免费黄色在线免费观看| 蜜臀久久99精品久久宅男| 色吧在线观看| 午夜精品国产一区二区电影| 亚洲天堂av无毛| 亚洲国产成人一精品久久久| 少妇人妻久久综合中文| 精品99又大又爽又粗少妇毛片| 99久久精品热视频| 一级av片app| 久久久久久久久大av| 乱码一卡2卡4卡精品| 久久久久久伊人网av| 一个人免费看片子| 一本—道久久a久久精品蜜桃钙片| 又爽又黄a免费视频| 亚洲av男天堂| 精品人妻一区二区三区麻豆| 十分钟在线观看高清视频www | 亚洲人成网站在线观看播放| 成人特级av手机在线观看| 欧美高清成人免费视频www| 在线观看美女被高潮喷水网站| 国产探花极品一区二区| 热re99久久国产66热| 亚洲精品日韩在线中文字幕| 中文字幕人妻熟人妻熟丝袜美| 成人漫画全彩无遮挡| 欧美日韩一区二区视频在线观看视频在线| 99热这里只有是精品在线观看| 亚洲精品乱久久久久久| 亚洲欧美日韩东京热| 黄色视频在线播放观看不卡| 日本wwww免费看| 人人妻人人看人人澡| 夜夜骑夜夜射夜夜干| 精华霜和精华液先用哪个| 国产伦精品一区二区三区四那| 一区二区三区免费毛片| 国产亚洲5aaaaa淫片| 成人美女网站在线观看视频| 国产黄片视频在线免费观看| 国产永久视频网站| 精品亚洲成a人片在线观看| 在线观看美女被高潮喷水网站| 国产精品一区二区性色av| 蜜桃久久精品国产亚洲av| 久久久久人妻精品一区果冻| 成年美女黄网站色视频大全免费 | 日韩熟女老妇一区二区性免费视频| 亚洲精品第二区| 色吧在线观看| 人妻制服诱惑在线中文字幕| 97精品久久久久久久久久精品| 成人国产av品久久久| 亚洲精品aⅴ在线观看| 亚洲精品乱码久久久v下载方式| 国产精品一区二区在线不卡| 国产成人精品久久久久久| 狠狠精品人妻久久久久久综合| 噜噜噜噜噜久久久久久91| 国产成人精品久久久久久| 亚洲美女搞黄在线观看| 美女xxoo啪啪120秒动态图| 寂寞人妻少妇视频99o| 丝瓜视频免费看黄片| 一级二级三级毛片免费看| 天天操日日干夜夜撸| av在线app专区| 亚洲欧美日韩卡通动漫| 亚洲精品日韩在线中文字幕| 午夜影院在线不卡|