• <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 ?

    改進孿生網(wǎng)絡的腦電信號處理方法

    2022-03-31 00:36:58楊懷花葉慶衛(wèi)羅慧艷陸志華
    計算機測量與控制 2022年3期
    關鍵詞:特征提取分類信號

    楊懷花,葉慶衛(wèi),羅慧艷,陸志華

    (寧波大學 信息科學與工程學院,浙江 寧波 315211)

    0 引言

    腦機接口(BCI,brain computer interface)是一種不依賴大腦外周神經(jīng)與肌肉組成的正常輸出通路,通過對大腦活動產(chǎn)生的信號進行分析,提取其中包含的動作意圖,控制外部設備的新型人機交互方式[1]。腦機接口技術的研究對臨床康復[2]、信息交流[3]以及休閑娛樂等領域的發(fā)展均具有較高的價值。目前,腦機接口方向的研究眾多,運動想象腦電信號(MI-EEG,motor imagery electroenceph- alogram)作為自發(fā)性腦電一直以來受到研究學者的廣泛關注。MI-EEG信號是一種時變性很強的非平穩(wěn)信號,因此如何有效的對其進行特征提取和分類成為了目前研究的重點。

    當前腦電信號特征提取的研究主要分為4個方面:時域、頻域、時頻域以及空間域等,常見的分析方法主要包括小波變換[4](WT,wavelet transform)、希爾伯特黃變換[5](HHT,hilbert-huang transform)、公共空間模式[6-8](CSP,common spatial pattern)、獨立分量分析[9](ICA,independent component analysis)等,常用的分類方法主要包括線性判別分析[10](LDA,linear discriminant analysis)、支持向量機[11](SVM,support vector machines)、貝葉斯線性回歸[12]、卷積神經(jīng)網(wǎng)絡[13](CNN,convolutional neural networks)等。由于深度學習的快速發(fā)展,神經(jīng)網(wǎng)絡成為了腦電信號識別分類的重要方法。

    目前針對運動想象腦機接口系統(tǒng)中分類準確率低等問題,研究者們提出了很多改進方法。文獻[14]提出了一種基于滑動窗口信息極大化原則(Infomax,information maximization)算法的動態(tài)獨立分量分析方法。文獻[15]提出了一種優(yōu)化多球面支持向量數(shù)據(jù)(SVDD,support vector data description)的模糊聚類方法,并通過多個運動想象數(shù)據(jù)集的實驗,完成了對運動想象腦電信號數(shù)據(jù)的較好的表達。文獻[16]提出一種新的基于沃爾什哈達瑪變換的特征提取方法,將提取的特征通過人工神經(jīng)網(wǎng)絡進行分類,得到較為準確的結(jié)果。文獻[17]提出將從腦電信號中提取的時間、頻率和位置信息,組合成2D信息輸入到卷積神經(jīng)網(wǎng)絡(CNN,convolutional neural network)和堆棧自編碼器(SAE,stacked auto encoder)結(jié)合的深度網(wǎng)絡,得到較高的分類準確率。

    基于以上的研究內(nèi)容,本文提出一種3個權重共享子網(wǎng)絡構(gòu)成的改進孿生網(wǎng)絡,將經(jīng)小波變換結(jié)合經(jīng)驗模態(tài)分解預處理后的信號輸入此網(wǎng)絡,實現(xiàn)對腦電信號的特征提取和分類。通過對兩個數(shù)據(jù)集的仿真,相比現(xiàn)有算法均取得更好的分類準確率,表明此方法能更好的應用到MI-EEG信號的分類識別,并具有一定普遍性。

    1 算法原理

    1.1 孿生網(wǎng)絡改進原理

    經(jīng)典孿生神經(jīng)網(wǎng)絡由兩個子網(wǎng)絡構(gòu)成,這兩個子網(wǎng)絡之間結(jié)構(gòu)相同,并且共享權重和偏置等參數(shù)。若樣本(x1,x2)和標簽y輸入孿生神經(jīng)網(wǎng)絡,其中輸入樣本類別相同標簽y為1,相反標簽為0,通過權重共享的子網(wǎng)絡提取樣本的低維特征,計算特征的距離度量樣本相似度。代價函數(shù)為對比損失函數(shù)公式如下:

    L(w,(y,x1,x2))=

    (1)

    其中:DW為輸入樣本經(jīng)過孿生神經(jīng)網(wǎng)絡提取的低維特征之間的歐式距離,公式為DW(x1,x2)=‖f(x1)-f(x2)‖,f(x1)、f(x2)分別表示樣本x1、x2經(jīng)過神經(jīng)網(wǎng)絡映射出的低維特征,y為樣本標簽,max表示最大值,m為設定的閾值。

    本文提出一種3個權重共享的子網(wǎng)絡孿生系統(tǒng)如圖1所示,其主要包括兩部分:特征提取和相似度計算。在特征提取部分,本文選取5層的全連接神經(jīng)網(wǎng)絡。表1是網(wǎng)絡結(jié)構(gòu)的詳細說明。為了防止過擬合現(xiàn)象,每層全連接層后使用dropout函數(shù)。對于大部分數(shù)據(jù)來說,ReLu 激活函數(shù)具有更好的擬合能力。因此隱藏層選取非線性的Relu作為激活函數(shù),輸出層則使用sigmoid 激活函數(shù),使得結(jié)果介于0到1。

    表1 網(wǎng)絡結(jié)構(gòu)

    圖1 改進孿生網(wǎng)絡框架

    當輸入腦電信號樣本組合x1、x2、x3時,通過3個共享權值的子網(wǎng)絡提取低維特征,計算樣本特征之間的平均距離來表示樣本之間的差異,最后利用這個距離進行相似度判斷。本文提出一種新的距離函數(shù),如公式2所示:

    DW(x1,x2,x3)=

    (2)

    其中:x1和x2、x3為輸入的樣本序列,f(x1)、f(x2)和f(x3)為經(jīng)過神經(jīng)網(wǎng)絡提取的低維特征,DW(x1,x2,x3)為特征之間的平均距離,采用公式(1)作為損失函數(shù)進行訓練。此距離函數(shù)消除了樣本因隨機選取產(chǎn)生的偶然性誤差,使分類系統(tǒng)更加穩(wěn)定,一定程度的提高了分類的準確度。

    1.2 學習樣本集采樣算法

    設預處理后的訓練集為Xtrain、Ytrain,其中Xtrain為預處理后的小波分量訓練集信號,Ytrain為訓練集樣本標簽。

    (3)

    3)令i=1,…,n,因此可以得到包含n個樣本組的學習樣本集。

    1.3 測試集樣本采集

    設預處理后的測試集為Xtest、Ytest,其中:Xtest為預處理后的小波分量測試信號集,Ytest為測試集樣本標簽。

    (4)

    4)令i=1,…,l,其中l(wèi)為預測樣本長度。即依次對測試集Xtest中所有樣本進行上述操作,可得到Xtest的預測標簽。

    1.4 信號預處理過程

    腦電信號是一種非線性、非平穩(wěn)的信號,小波變換是在一種時頻域分析方法,更好的分析和處理了非平穩(wěn)信號,早在1996年就被應用于運動想象腦電信號的去噪處理。對信號x(t)進行分解,其離散小波函數(shù)表示為:

    (5)

    其中:ψj,k(t)為基本小波。

    由于腦電信號的電壓普遍在μV量級,這一特點導致EEG信號極易受到眼動、肌電、高頻噪聲等干擾。因眼動干擾處于低頻段并與腦電信號重疊,使得其去除較為復雜,而肌電和高頻噪聲則處于高頻段。若將噪聲相關的頻段直接去除,則會導致一部分重要信息丟失,因此本文選取小波分量的最低頻段和最高頻段進行經(jīng)驗模態(tài)分解(EMD,empirical mode decomposition),通過自相關函數(shù)將EEG信號與噪聲信號盡可能進行分離。

    EMD分解是一種非線性濾波器,將信號分解為若干個IMF,其中IMF需要滿足以下兩個條件:

    1)整個數(shù)據(jù)中,極值點和過零點數(shù)目相等或最多相差為1。

    2)在任意一點,由局部極大值定義的包絡和由局部極小值定義的包絡的均值等于0。

    自相關函數(shù)選取的是腦電自身信號與時延后的信號之間的相似度,其表達式為:

    (6)

    其中:x(t)為原始運動想象腦電信號,Δτ為延時長度,Cov表示協(xié)方差,var則為方差。干擾噪聲一般表現(xiàn)為低頻、高幅度,因此對于含噪聲成分較高的IMF分量,自相關函數(shù)較高。而腦電信號具有隨機性較強、時變復雜等特點,因此其值較低。通過設定自相關閾值,篩選出腦電信號相關的IMFs分量進行重構(gòu),得到“純凈”的小波系數(shù)。

    1.5 總體算法流程

    算法流程如圖2所示,主要步驟為:

    圖2 算法流程

    1)將腦電信號進行預處理,然后經(jīng)過5折交叉驗證法將信號集分成訓練數(shù)據(jù)和測試數(shù)據(jù)。

    2)根據(jù)1.2節(jié)學習樣本集采樣算法構(gòu)建三樣本組合學習樣本集,將其作為三權值共享的孿生神經(jīng)網(wǎng)絡的輸入,根據(jù)對比損失函數(shù),利用全連接神經(jīng)網(wǎng)絡更新權值和偏置等參數(shù)。當模型收斂或者到達設定次數(shù)時,模型訓練結(jié)束,保存模型。

    3)在測試過程中,根據(jù)1.3節(jié)依次對所有測試樣本構(gòu)造正負測試樣本集,對比正負測試樣本集平均距離,選擇最小平均距離(即相似度最高)所對應的類別作為該待測樣本的類別號。

    2 實驗仿真與分析

    2.1 實驗數(shù)據(jù)

    本文提出的方法得到來自The largest SCP data of Motor-Imagery和BCI Competition II Data set III兩個數(shù)據(jù)集的驗證,接下來對其進行介紹。

    數(shù)據(jù)集1來自公開標準數(shù)據(jù)集BCI Competition II Data set III,該組數(shù)據(jù)是通過年齡為25歲的健康女性進行想象左右手實驗獲得的。本實驗共進行了7組,每組40次,共進行了280次試驗。每一次試驗持續(xù)時間為9秒, 在0~2秒時為休息時間;在第2秒時進行語音提示;第3秒開始屏幕上出現(xiàn)一個箭頭,同時要求受試者進行相應的運動想象。數(shù)據(jù)的采集電極放置在國際標準的10~20導聯(lián)系統(tǒng)c3、cz、c4位置,其中采樣頻率為128 Hz。實施示意圖如圖3所示。

    圖3 實施示意圖

    數(shù)據(jù)集2來自2018年提出的國際標準腦電信號數(shù)據(jù)庫The largest SCP data of Motor-Imagery中的CLA左右手運動想象數(shù)據(jù)集,此數(shù)據(jù)集是由7名健康受試者(S1~S7)面對圖形用戶界面(eGUI)的相應提示執(zhí)行左手、右手運動想象。數(shù)據(jù)的采集電極放置符合10~20導聯(lián)標準,每組數(shù)據(jù)包含21個通道的EEG信號,采樣頻率為200 Hz。實驗過程中,圖形用戶界面上顯示一個左右手兩類刺激信號,動作信號在屏幕上保持1秒,同時受試者執(zhí)行了一次相應的心理意象,隨后暫停1.5~2.5 s后結(jié)束單次試驗,每段記錄持續(xù)50~55分鐘。對于7名實驗對象采集的數(shù)據(jù)信息如表2所示。

    表2 數(shù)據(jù)集信息

    2.2 預處理過程

    圖4分別為數(shù)據(jù)集1左右手運動想象時通道c3、cz、c4的平均能量。由圖(a)可知,cz通道的左右手想象運動能量幾乎沒有區(qū)別,由圖(b)和圖(c)可知c3、c4通道3.5~9時間段的平均能量差別較大,因此本文選取3.5~9時間段的c3、c4通道腦電信號進行小波變換。

    圖 4 各通道的信號平均能量圖

    在進行小波變換時,小波基[18-19]和自相關系數(shù)閾值的選取對腦電信號的處理影響較大。本文通過選取部分小波基用于離散小波變換,分別為dmey、db2、sym3、haar,經(jīng)過多次實驗對比,發(fā)現(xiàn)選取demy小波基分類準確率更高,穩(wěn)定性更強。相關系數(shù)閾值是一個重要的參數(shù),其值直接影響了偽跡與腦電信號的分離,在保持其他條件不變的情況下,采用不同閾值得到分類準確率。經(jīng)過多次試驗當閾值等于0.9時,正確率高達90%以上,因此本文選取0.9為相關函數(shù)閾值。

    數(shù)據(jù)集1選取腦電信號樣本3.5~9時間段的C3、C4通道腦電信號分別進行4層小波變換,其中選用demy為小波基,然后對小波分量的低頻部分A4和高頻段D1進行經(jīng)驗模態(tài)分解,將IMFs分量的自相關函數(shù)值小于0.9的進行重構(gòu),得到“干凈”的小波分量,然后將各個通道的小波分量進行串接。

    數(shù)據(jù)集2對21通道腦電信號進行5層小波變換,其中選用demy為小波基,然后對小波分量的低頻部分A4和高頻段D1進行經(jīng)驗模態(tài)分解,將IMFs分量的自相關函數(shù)值小于0.9的進行重構(gòu),得到“干凈”的小波分量,然后將各個通道的小波分量進行串接。

    2.3 評價指標

    分類精準度被用來直接衡量信號分類的準確率,其公式為:

    (7)

    其中:TP和TN為左右手想象信號正確識別樣本數(shù)量,F(xiàn)P和FN為左右手想象信號錯誤識別樣本數(shù)量。

    Kappa值是一個信號分類一致性的評價指標,其公式為:

    (8)

    其中:p0是總的分類正確率。對于二分類而言,每一類實際樣本數(shù)為r1、r2,則每一個類別中預測樣本個數(shù)p1、p2,pe則為:

    (9)

    2.4 實驗結(jié)果

    下面運用數(shù)據(jù)集1,對腦電信號進行預處理后,分別通過經(jīng)典孿生神經(jīng)系統(tǒng)和改進后的孿生神經(jīng)網(wǎng)絡進行腦電信號特征提取和分類,同時得到兩種方法在測試集上的分類混淆矩陣如圖5所示。由圖5可知,改進孿生網(wǎng)絡在左右手想象信號相比經(jīng)典孿生網(wǎng)絡均具有更好的可分性,測試集上的識別精度更高。

    圖5 經(jīng)典和改進后孿生網(wǎng)絡混淆矩陣

    將本文的算法與目前性能較高的現(xiàn)有算法進行對比,其中用到對比算法主要有文獻[14]中基于滑動窗口Infomax算法的動態(tài)獨立分量分析方法,記為 ICA,文獻 [15]使用AR算法和優(yōu)化多球面支持向量數(shù)據(jù)的模糊聚類方法相結(jié)合的方法,記為AR-SVDD。文獻[16] 中基于快速沃爾什哈達瑪變換的特征提取方法,并結(jié)合ANN分類器進行分類,記為FWHT-ANN。文獻[17]中CNN結(jié)合SAE提出的一個新的深度網(wǎng)絡,記為CNN-SAE算法。文獻[20] 提出的Renyi熵特征提取方法,結(jié)合BLDS分類器對信號進行處理,記為Renyi-BLDA。將經(jīng)過小波變換結(jié)合經(jīng)驗模態(tài)分解預處理后的信號,輸入經(jīng)典孿生神經(jīng)網(wǎng)絡進行特征提取和分類的方法,記為WT_emd_siamese。分類結(jié)果如表3所示。

    表3 不同特征提取算法的分類正確率

    從表3可知,本文算法分類準確率均高于其他算法,其準確率提高了4.29~13.06%,表明所提算法能更好地實現(xiàn)腦電信號處理。WT_emd_siamese算法分類正確率到達87.50%,進一步證明了小波變換、經(jīng)驗模態(tài)分解結(jié)合孿生網(wǎng)絡方法的可行性,這為運動想象腦電信號處理提供了一種新思路。

    2.5 算法在不同數(shù)據(jù)集的進一步驗證

    為了進一步驗證算法的有效性,對數(shù)據(jù)集2進行測試,并采用目前較為常用并取得較好結(jié)果的csp算法結(jié)合svm分類器辦法進行基準驗證,結(jié)果如表4所示。由結(jié)果可知,此方法平均分類正確率高達到90.36%,相對csp_svm分類性能提升了12.5%,且最高達到97.43%,去除數(shù)據(jù)集S2和S6實驗對象,平均分類準確率高達94.30%,進一步證明了此算法在腦電信號識別方面具有較好性能。此外,本文提出算法kappa值高達0.907,其具有較好的一致性,分類結(jié)果可靠。

    表4 數(shù)據(jù)集2所有受試者分類正確率

    圖6顯示了在數(shù)據(jù)集2上兩種算法測量的總分類混淆矩陣,如圖6中數(shù)據(jù)顯示,本文所提出的算法,相比csp_svm腦電信號處理辦法,無論在左手還是右手識別中精確度都得到極大地提升,其中左手識別精度到達96.7%,這也證明了本文算法在運動想象任務中發(fā)揮著積極地作用。

    圖6 混淆矩陣

    3 結(jié)束語

    本文提出一種3個權重系數(shù)共享子網(wǎng)絡構(gòu)成的改進孿生網(wǎng)絡腦電信號的分類方法。通過小波變換結(jié)合經(jīng)驗模態(tài)分解,對信號進行預處理,然后將預處理的小波分量通過改進的孿生神經(jīng)網(wǎng)絡系統(tǒng)進行特征提取和分類。將改進后的孿生網(wǎng)絡與經(jīng)典孿生網(wǎng)絡相比,利用新的距離函數(shù)消除了偶然誤差性,提高了分類正確率,使分類系統(tǒng)更加穩(wěn)定,同時在特征提取部分選擇簡單的全連接神經(jīng)網(wǎng)絡,在保證了分類性能的同時,極大地降低了系統(tǒng)的復雜性。通過對BCI Competition II Data set III數(shù)據(jù)集進行仿真,本文提出的算法取得了94.29%的分類準確率,與現(xiàn)有的研究結(jié)果進行對比,可以更有效地進行運動想象腦電信號的分類。利用The largest SCP data of Motor-Imagery數(shù)據(jù)集進一步驗證,結(jié)果表明本文提出的方法在相同的數(shù)據(jù)類型下依舊保持優(yōu)異的性能。因此在接下來的研究過程中,可將此方法應用到其他類型的腦電信號分析,這為腦電信號處理提供了一種新思路。

    猜你喜歡
    特征提取分類信號
    分類算一算
    信號
    鴨綠江(2021年35期)2021-04-19 12:24:18
    完形填空二則
    基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    分類討論求坐標
    基于FPGA的多功能信號發(fā)生器的設計
    電子制作(2018年11期)2018-08-04 03:25:42
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    一種基于LBP 特征提取和稀疏表示的肝病識別算法
    基于LabVIEW的力加載信號采集與PID控制
    99精品久久久久人妻精品| 亚洲七黄色美女视频| 欧美激情极品国产一区二区三区| 久久精品国产清高在天天线| 91麻豆精品激情在线观看国产| 久热这里只有精品99| 亚洲国产毛片av蜜桃av| 亚洲精品在线观看二区| 午夜福利一区二区在线看| 久久精品国产亚洲av香蕉五月| 亚洲成人国产一区在线观看| videosex国产| 两个人视频免费观看高清| 啪啪无遮挡十八禁网站| 久99久视频精品免费| 欧美日韩福利视频一区二区| 午夜福利视频1000在线观看| 欧美人与性动交α欧美精品济南到| 麻豆国产av国片精品| 国产成人一区二区三区免费视频网站| 婷婷丁香在线五月| 色综合欧美亚洲国产小说| 午夜老司机福利片| av超薄肉色丝袜交足视频| 最近最新中文字幕大全免费视频| 三级毛片av免费| 欧美最黄视频在线播放免费| 韩国精品一区二区三区| 男人舔女人下体高潮全视频| 日本a在线网址| 日韩 欧美 亚洲 中文字幕| 一a级毛片在线观看| 亚洲无线在线观看| e午夜精品久久久久久久| 精品久久久久久久人妻蜜臀av| 悠悠久久av| 美女高潮喷水抽搐中文字幕| 男人操女人黄网站| 一区二区三区国产精品乱码| 久久人人精品亚洲av| 啦啦啦 在线观看视频| 丝袜人妻中文字幕| 精品久久久久久成人av| 麻豆成人av在线观看| 久久精品aⅴ一区二区三区四区| 欧美在线一区亚洲| 中文字幕最新亚洲高清| 国产精品亚洲一级av第二区| 99在线人妻在线中文字幕| 制服诱惑二区| 人人澡人人妻人| 亚洲中文字幕日韩| 久久中文看片网| 免费看十八禁软件| 国产成人av激情在线播放| 精品国产亚洲在线| 国产精品九九99| 在线观看免费午夜福利视频| 99久久99久久久精品蜜桃| 午夜免费成人在线视频| 亚洲一码二码三码区别大吗| 两人在一起打扑克的视频| 亚洲国产日韩欧美精品在线观看 | 叶爱在线成人免费视频播放| 可以免费在线观看a视频的电影网站| 欧美乱色亚洲激情| av欧美777| 国产精品久久久久久人妻精品电影| 特大巨黑吊av在线直播 | 18禁裸乳无遮挡免费网站照片 | 亚洲第一av免费看| 麻豆av在线久日| 精品久久久久久久久久久久久 | 亚洲aⅴ乱码一区二区在线播放 | 午夜两性在线视频| 久久中文看片网| 午夜精品在线福利| 看免费av毛片| 韩国精品一区二区三区| 久久中文字幕一级| 熟女少妇亚洲综合色aaa.| 亚洲午夜精品一区,二区,三区| 久久精品aⅴ一区二区三区四区| 国内毛片毛片毛片毛片毛片| 久久亚洲真实| 中国美女看黄片| 三级毛片av免费| 久久午夜综合久久蜜桃| 亚洲中文日韩欧美视频| 妹子高潮喷水视频| 国产精品久久久人人做人人爽| 欧美激情 高清一区二区三区| 变态另类丝袜制服| tocl精华| 色av中文字幕| 免费观看精品视频网站| 日韩国内少妇激情av| 伊人久久大香线蕉亚洲五| 90打野战视频偷拍视频| 校园春色视频在线观看| 国产精品亚洲一级av第二区| 国产av不卡久久| 无人区码免费观看不卡| 国产免费男女视频| 99re在线观看精品视频| 给我免费播放毛片高清在线观看| 亚洲 欧美一区二区三区| 男人舔女人的私密视频| 久久精品国产亚洲av高清一级| 亚洲国产中文字幕在线视频| 12—13女人毛片做爰片一| 久久久久久大精品| 欧美中文综合在线视频| 亚洲国产高清在线一区二区三 | 色av中文字幕| 日韩欧美 国产精品| 欧美日韩中文字幕国产精品一区二区三区| 亚洲第一欧美日韩一区二区三区| 熟女电影av网| 亚洲人成77777在线视频| 十分钟在线观看高清视频www| 欧美 亚洲 国产 日韩一| 久久狼人影院| 最近在线观看免费完整版| 中文字幕高清在线视频| 国产亚洲精品第一综合不卡| 丝袜人妻中文字幕| 韩国av一区二区三区四区| 亚洲国产精品999在线| 啪啪无遮挡十八禁网站| 国产1区2区3区精品| 女人高潮潮喷娇喘18禁视频| 最近最新免费中文字幕在线| 国产片内射在线| 欧美亚洲日本最大视频资源| а√天堂www在线а√下载| 午夜成年电影在线免费观看| 午夜福利高清视频| 99国产精品一区二区蜜桃av| 国产99久久九九免费精品| 亚洲真实伦在线观看| 亚洲av第一区精品v没综合| 精品久久久久久久久久久久久 | 中国美女看黄片| 久久青草综合色| 人人妻人人澡欧美一区二区| 免费搜索国产男女视频| 怎么达到女性高潮| 国产又爽黄色视频| 亚洲成av人片免费观看| 天天一区二区日本电影三级| 香蕉av资源在线| 免费在线观看黄色视频的| 一本大道久久a久久精品| 日韩欧美一区视频在线观看| 人人妻人人澡人人看| 亚洲自偷自拍图片 自拍| 精品国产美女av久久久久小说| 1024手机看黄色片| 久久久久国产精品人妻aⅴ院| 久久久久久国产a免费观看| 国产亚洲av嫩草精品影院| 成人欧美大片| 亚洲片人在线观看| 黄色片一级片一级黄色片| 亚洲自偷自拍图片 自拍| 久久精品国产清高在天天线| 免费在线观看成人毛片| 国产亚洲av高清不卡| 国产精品九九99| 婷婷丁香在线五月| 999久久久精品免费观看国产| 成人亚洲精品一区在线观看| 欧美大码av| 91字幕亚洲| 亚洲av熟女| 九色国产91popny在线| 日韩精品青青久久久久久| 狠狠狠狠99中文字幕| 久久久久久久久免费视频了| 啦啦啦免费观看视频1| 一本久久中文字幕| 亚洲最大成人中文| 久久久久久久久久黄片| 熟女少妇亚洲综合色aaa.| 丝袜在线中文字幕| 麻豆av在线久日| 看片在线看免费视频| 国产又爽黄色视频| 精品无人区乱码1区二区| 亚洲色图av天堂| АⅤ资源中文在线天堂| 中出人妻视频一区二区| 男人舔奶头视频| 亚洲精华国产精华精| 亚洲精品av麻豆狂野| 国产又爽黄色视频| 欧美日韩一级在线毛片| 久热爱精品视频在线9| 久久香蕉国产精品| 成人亚洲精品av一区二区| 国产成人欧美| 亚洲欧美一区二区三区黑人| 成人欧美大片| 国产在线观看jvid| 满18在线观看网站| 脱女人内裤的视频| 久久99热这里只有精品18| 18禁黄网站禁片午夜丰满| 欧美日韩瑟瑟在线播放| 琪琪午夜伦伦电影理论片6080| 成人三级做爰电影| 人人妻人人澡欧美一区二区| 欧美人与性动交α欧美精品济南到| 99国产精品一区二区三区| 男女床上黄色一级片免费看| www.精华液| 大型黄色视频在线免费观看| 18美女黄网站色大片免费观看| 久久国产亚洲av麻豆专区| 国内揄拍国产精品人妻在线 | 中文字幕精品免费在线观看视频| 精品不卡国产一区二区三区| 国产精品免费视频内射| 欧美日韩中文字幕国产精品一区二区三区| 日日干狠狠操夜夜爽| 欧美性猛交╳xxx乱大交人| 国产精品av久久久久免费| 日韩欧美免费精品| 99精品欧美一区二区三区四区| 亚洲精品美女久久av网站| 听说在线观看完整版免费高清| 1024香蕉在线观看| АⅤ资源中文在线天堂| 长腿黑丝高跟| 免费在线观看完整版高清| 亚洲精品美女久久久久99蜜臀| 嫩草影院精品99| 国产黄色小视频在线观看| а√天堂www在线а√下载| 在线观看日韩欧美| 国产乱人伦免费视频| 国产精品二区激情视频| 亚洲av电影不卡..在线观看| 自线自在国产av| 啪啪无遮挡十八禁网站| 国产熟女xx| 久久精品国产亚洲av香蕉五月| 麻豆成人午夜福利视频| 国产乱人伦免费视频| 视频区欧美日本亚洲| 欧洲精品卡2卡3卡4卡5卡区| 2021天堂中文幕一二区在线观 | 久久久久久久午夜电影| 亚洲天堂国产精品一区在线| 久久久久亚洲av毛片大全| 久久精品91无色码中文字幕| 又黄又粗又硬又大视频| 琪琪午夜伦伦电影理论片6080| 亚洲avbb在线观看| 波多野结衣高清无吗| 亚洲国产欧美一区二区综合| 好看av亚洲va欧美ⅴa在| 国产精品免费一区二区三区在线| 欧美成人免费av一区二区三区| 老汉色∧v一级毛片| 亚洲av第一区精品v没综合| 亚洲欧美日韩高清在线视频| 草草在线视频免费看| 美女 人体艺术 gogo| 黄色成人免费大全| 午夜亚洲福利在线播放| 黄色a级毛片大全视频| 久久国产精品男人的天堂亚洲| 后天国语完整版免费观看| 亚洲国产精品合色在线| 听说在线观看完整版免费高清| 久久久久久久久免费视频了| 国内揄拍国产精品人妻在线 | 精品不卡国产一区二区三区| 极品教师在线免费播放| 亚洲av中文字字幕乱码综合 | 亚洲av中文字字幕乱码综合 | 亚洲午夜理论影院| 国产黄a三级三级三级人| 国产精品久久电影中文字幕| 国产精品久久久久久亚洲av鲁大| 最近在线观看免费完整版| 日韩精品中文字幕看吧| 少妇裸体淫交视频免费看高清 | 无限看片的www在线观看| 啦啦啦 在线观看视频| 日韩欧美在线二视频| 欧美又色又爽又黄视频| 午夜精品久久久久久毛片777| 免费无遮挡裸体视频| 久久久精品欧美日韩精品| 欧美久久黑人一区二区| 国产精品久久久人人做人人爽| xxxwww97欧美| 亚洲专区中文字幕在线| 国产av又大| 午夜激情av网站| 免费高清在线观看日韩| 久久 成人 亚洲| 在线永久观看黄色视频| 亚洲avbb在线观看| 日韩 欧美 亚洲 中文字幕| 无人区码免费观看不卡| 黄色 视频免费看| av超薄肉色丝袜交足视频| 在线观看舔阴道视频| 久久久水蜜桃国产精品网| 色尼玛亚洲综合影院| 午夜影院日韩av| 别揉我奶头~嗯~啊~动态视频| 久热爱精品视频在线9| а√天堂www在线а√下载| 国产亚洲精品综合一区在线观看 | 日韩有码中文字幕| 亚洲精品国产区一区二| 俺也久久电影网| 欧美激情久久久久久爽电影| 一夜夜www| 在线观看舔阴道视频| 女性生殖器流出的白浆| 啦啦啦韩国在线观看视频| 国产精品久久久人人做人人爽| 婷婷丁香在线五月| 在线视频色国产色| 国产区一区二久久| 国产av在哪里看| 99精品久久久久人妻精品| 在线观看免费视频日本深夜| 1024视频免费在线观看| 免费无遮挡裸体视频| 精品免费久久久久久久清纯| 好看av亚洲va欧美ⅴa在| 视频区欧美日本亚洲| 欧美最黄视频在线播放免费| 亚洲av成人av| 亚洲三区欧美一区| 国内毛片毛片毛片毛片毛片| 国产亚洲精品综合一区在线观看 | 无人区码免费观看不卡| 嫩草影视91久久| 99精品久久久久人妻精品| 欧美日韩黄片免| 这个男人来自地球电影免费观看| 国产精品98久久久久久宅男小说| 母亲3免费完整高清在线观看| 女性被躁到高潮视频| 日本免费a在线| 在线国产一区二区在线| 国产精品日韩av在线免费观看| 久久国产精品人妻蜜桃| 岛国视频午夜一区免费看| 久久久国产成人精品二区| 99精品在免费线老司机午夜| 久久 成人 亚洲| 免费一级毛片在线播放高清视频| av天堂在线播放| 他把我摸到了高潮在线观看| 亚洲精品国产精品久久久不卡| 国产真实乱freesex| 亚洲精品av麻豆狂野| 999久久久国产精品视频| 日韩视频一区二区在线观看| 桃色一区二区三区在线观看| 搡老熟女国产l中国老女人| 免费看a级黄色片| 极品教师在线免费播放| 首页视频小说图片口味搜索| 国产熟女xx| 国产精品久久久av美女十八| 性色av乱码一区二区三区2| 狂野欧美激情性xxxx| 精品一区二区三区av网在线观看| av电影中文网址| 欧美成人午夜精品| 亚洲片人在线观看| 久久亚洲真实| 亚洲精品国产一区二区精华液| 欧美精品亚洲一区二区| 午夜a级毛片| 精品免费久久久久久久清纯| 亚洲最大成人中文| 亚洲国产欧美一区二区综合| 一边摸一边做爽爽视频免费| 亚洲色图 男人天堂 中文字幕| 国产一区二区三区视频了| 大香蕉久久成人网| 欧美日韩黄片免| 欧美色视频一区免费| 亚洲精品在线美女| 51午夜福利影视在线观看| 久久精品成人免费网站| 欧美日韩一级在线毛片| 一本大道久久a久久精品| 国产野战对白在线观看| 亚洲男人天堂网一区| 精品久久久久久久末码| 亚洲成国产人片在线观看| 国产激情欧美一区二区| 黄色 视频免费看| 免费电影在线观看免费观看| 黄频高清免费视频| 久久香蕉激情| 久久久久国产一级毛片高清牌| 最新在线观看一区二区三区| 级片在线观看| 精品第一国产精品| 看免费av毛片| 久久婷婷成人综合色麻豆| 国产一卡二卡三卡精品| 欧美日韩亚洲国产一区二区在线观看| 欧美不卡视频在线免费观看 | 免费在线观看成人毛片| 丁香欧美五月| 亚洲精品国产一区二区精华液| 婷婷六月久久综合丁香| 国产又黄又爽又无遮挡在线| 十八禁网站免费在线| 看免费av毛片| 国产精品精品国产色婷婷| 美国免费a级毛片| 国产亚洲精品久久久久5区| 亚洲精品av麻豆狂野| 亚洲成人国产一区在线观看| 精品电影一区二区在线| 日本成人三级电影网站| 色综合亚洲欧美另类图片| 黑丝袜美女国产一区| 在线看三级毛片| 亚洲一区二区三区不卡视频| 黄色女人牲交| 亚洲成国产人片在线观看| 日本成人三级电影网站| 亚洲精品中文字幕一二三四区| 看片在线看免费视频| 国产私拍福利视频在线观看| 精品日产1卡2卡| 国产精品一区二区精品视频观看| 亚洲国产欧美一区二区综合| 麻豆久久精品国产亚洲av| 99精品久久久久人妻精品| 国产av在哪里看| 熟女少妇亚洲综合色aaa.| 黑人欧美特级aaaaaa片| 欧美激情 高清一区二区三区| 50天的宝宝边吃奶边哭怎么回事| 嫩草影院精品99| 亚洲va日本ⅴa欧美va伊人久久| 99久久无色码亚洲精品果冻| 妹子高潮喷水视频| 久久这里只有精品19| 亚洲欧美日韩无卡精品| 成人18禁在线播放| 黄色视频不卡| 无限看片的www在线观看| 中亚洲国语对白在线视频| 亚洲国产高清在线一区二区三 | 国产高清videossex| 美女高潮喷水抽搐中文字幕| 国产亚洲精品综合一区在线观看 | 法律面前人人平等表现在哪些方面| 国产一卡二卡三卡精品| 看黄色毛片网站| 午夜亚洲福利在线播放| 亚洲成人免费电影在线观看| 操出白浆在线播放| 亚洲国产毛片av蜜桃av| 日韩欧美国产在线观看| 国产三级黄色录像| 免费在线观看视频国产中文字幕亚洲| 丝袜人妻中文字幕| 此物有八面人人有两片| 午夜福利成人在线免费观看| а√天堂www在线а√下载| 国产亚洲av高清不卡| av福利片在线| 亚洲国产精品999在线| 亚洲第一电影网av| 啦啦啦 在线观看视频| 亚洲专区字幕在线| 黄片大片在线免费观看| 97碰自拍视频| 一卡2卡三卡四卡精品乱码亚洲| 美女高潮喷水抽搐中文字幕| 香蕉久久夜色| 麻豆av在线久日| 18禁观看日本| 亚洲欧美精品综合久久99| 99热只有精品国产| 亚洲午夜理论影院| 在线观看午夜福利视频| 欧美又色又爽又黄视频| 高清在线国产一区| 亚洲精品久久成人aⅴ小说| 亚洲欧美精品综合久久99| 欧美日本视频| 国产爱豆传媒在线观看 | 免费看美女性在线毛片视频| 伦理电影免费视频| 国产亚洲精品第一综合不卡| 高清毛片免费观看视频网站| 欧美乱色亚洲激情| 亚洲成av片中文字幕在线观看| 欧美另类亚洲清纯唯美| 亚洲 国产 在线| 久久精品成人免费网站| 99久久99久久久精品蜜桃| 美女高潮到喷水免费观看| 国产精品永久免费网站| 亚洲自拍偷在线| 两人在一起打扑克的视频| 日韩欧美国产一区二区入口| 中文字幕人妻熟女乱码| 国产精品综合久久久久久久免费| 后天国语完整版免费观看| 999精品在线视频| 1024手机看黄色片| 悠悠久久av| 青草久久国产| 欧美三级亚洲精品| 久99久视频精品免费| 美女大奶头视频| 两个人看的免费小视频| 黄频高清免费视频| 麻豆久久精品国产亚洲av| 亚洲欧美精品综合久久99| 免费高清视频大片| 亚洲va日本ⅴa欧美va伊人久久| 久久午夜亚洲精品久久| 美女大奶头视频| 啦啦啦观看免费观看视频高清| 免费观看人在逋| 亚洲精品在线美女| 欧美一级毛片孕妇| 久久精品国产清高在天天线| 免费观看精品视频网站| or卡值多少钱| 亚洲自偷自拍图片 自拍| 黄频高清免费视频| 国产成人一区二区三区免费视频网站| 久热爱精品视频在线9| 国产私拍福利视频在线观看| 免费一级毛片在线播放高清视频| 制服丝袜大香蕉在线| 国产精品1区2区在线观看.| 久久精品91无色码中文字幕| 午夜视频精品福利| 亚洲一区高清亚洲精品| 国产av一区二区精品久久| 黄色丝袜av网址大全| 亚洲熟妇熟女久久| 国产免费男女视频| 久久精品成人免费网站| 国产精品综合久久久久久久免费| 欧美丝袜亚洲另类 | 色播亚洲综合网| 妹子高潮喷水视频| 亚洲成a人片在线一区二区| 久热这里只有精品99| 国产在线精品亚洲第一网站| 久久久精品欧美日韩精品| 日韩精品中文字幕看吧| 国产色视频综合| 国产男靠女视频免费网站| 欧美日韩亚洲国产一区二区在线观看| 免费电影在线观看免费观看| 中文字幕高清在线视频| 一个人观看的视频www高清免费观看 | 女性被躁到高潮视频| 亚洲国产欧美一区二区综合| 中文亚洲av片在线观看爽| 麻豆国产av国片精品| 国产男靠女视频免费网站| 精品久久蜜臀av无| 男女下面进入的视频免费午夜 | 日本成人三级电影网站| 最近在线观看免费完整版| 久久欧美精品欧美久久欧美| 国产97色在线日韩免费| 欧美在线黄色| 久久午夜综合久久蜜桃| 国产三级黄色录像| 免费在线观看视频国产中文字幕亚洲| 真人一进一出gif抽搐免费| 欧美在线黄色| 亚洲av片天天在线观看| 午夜福利在线观看吧| 日韩成人在线观看一区二区三区| 国产成人av激情在线播放| 色播亚洲综合网| 免费看a级黄色片| 免费观看精品视频网站| 麻豆av在线久日| 亚洲国产精品999在线| 看片在线看免费视频| 桃红色精品国产亚洲av| 国产又色又爽无遮挡免费看| 亚洲午夜理论影院| 麻豆国产av国片精品| 国产精品久久久人人做人人爽| 中文资源天堂在线| 国产av又大| 少妇被粗大的猛进出69影院| 国产亚洲精品一区二区www| 1024手机看黄色片| 丰满的人妻完整版| 亚洲最大成人中文| 在线看三级毛片| 长腿黑丝高跟| 国产视频一区二区在线看|