EEMD分解后得到的IMFs保存在一個(gè)矩陣或數(shù)組中，其中每一行表示一個(gè)IMF。每個(gè)IMF具有與原始數(shù)據(jù)相同的采樣點(diǎn)數(shù)，因此形狀與原始數(shù)據(jù)相同。

假設(shè)原始數(shù)據(jù)是一個(gè)長度為N的一維信號(hào)，經(jīng)過EEMD分解后得到的IMFs將形成一個(gè)大小為M×N的矩陣，其中M是IMFs的數(shù)量（包括殘差項(xiàng)），N是原始數(shù)據(jù)的采樣點(diǎn)數(shù)。

可以將IMFs保存在一個(gè)二維數(shù)組中，其中每一行表示一個(gè)IMF。例如，使用Python的NumPy庫，可以使用以下方式保存IMFs：

```python

import numpy as np

# 假設(shè)imfs是EEMD分解得到的IMFs，大小為M×N

imfs = np.array([imf1, imf2, ..., imfM])

# 保存IMFs到文件

np.savetxt('imfs.csv', imfs, delimiter=',')

```

以上代碼將IMFs保存為CSV文件，每個(gè)IMF作為一列，以逗號(hào)作為分隔符。您可以將文件名替換為您希望保存的文件名。

需要注意的是，IMFs是分解得到的信號(hào)模態(tài)，它們可以通過重構(gòu)來獲得原始信號(hào)。通過將每個(gè)IMF加總，再加上最后一個(gè)殘差項(xiàng)，可以重構(gòu)原始信號(hào)。重構(gòu)過程類似于：

```python

reconstructed_signal = np.sum(imfs, axis=0) + imfs[-1]

```

因此，IMFs提供了對(duì)原始信號(hào)的分解和表示，可以根據(jù)需要進(jìn)行保存、分析或重構(gòu)。

所以您的理解接近了EEMD分解和IMFs的概念，但需要進(jìn)行一些修正。

EEMD分解后得到的IMFs可以看作是原始數(shù)據(jù)的一種分解形式，但不能簡(jiǎn)單地將其表示為`3=1 1 1`這樣的形式。原始數(shù)據(jù)在EEMD分解后可以表示為：

原始數(shù)據(jù) = IMF1 ? IMF2 ? IMF3 ? ... ? IMF(n-1) ? Residual

其中，IMF1、IMF2、IMF3等表示分解后的各個(gè)IMF，n是IMFs的總數(shù)量，Residual是最后的殘差項(xiàng)。

由于IMFs的數(shù)量和形狀是根據(jù)原始數(shù)據(jù)的特性和分解算法得到的，所以無法事先確定具體的IMFs數(shù)量。每個(gè)IMF表示原始數(shù)據(jù)在不同頻率上的振動(dòng)模式，其頻率從低到高排列。最后的殘差項(xiàng)包含了原始數(shù)據(jù)中無法通過前面的IMFs表示的高頻成分。

因此，IMFs的關(guān)系可以看作是原始數(shù)據(jù)由多個(gè)IMF和一個(gè)殘差項(xiàng)組成的，它們共同構(gòu)成了原始數(shù)據(jù)的分解表示。簡(jiǎn)單地將其表示為`3=1 1 1`是不準(zhǔn)確的，因?yàn)镮MFs的數(shù)量和形狀是根據(jù)原始數(shù)據(jù)的特性和分解算法決定的。

希望這個(gè)解釋能夠更好地幫助您理解EEMD分解和IMFs的概念。如果您還有任何疑問，請(qǐng)隨時(shí)提問。

附一段代碼：

import pandas as pd

import numpy as np

from PyEMD import EMD

import matplotlib.pyplot as plt

data = pd.read_csv('10.csv')

signal = data.iloc[:, 0]

emd = EMD()

imfs = emd.emd(signal.to_numpy())

# 計(jì)算殘差

residual = signal - np.sum(imfs, axis=0)

# 結(jié)果處理和可視化

num_imfs = len(imfs)

fig, axs = plt.subplots(num_imfs + 1, figsize=(10, 15))

axs[0].plot(signal)

axs[0].set_title('Original Signal')

for i in range(1, num_imfs + 1):

? ? axs[i].plot(imfs[i - 1])

? ? axs[i].set_title(f'IMF{i}')

# 保存IMFs為CSV文件

for i in range(num_imfs):

? ? imf_filename = f'imf_{i+1}.csv'

? ? np.savetxt(imf_filename, imfs[i], delimiter=',')

axs[-1].plot(residual)

axs[-1].set_title('Residual')

fig.suptitle('EMD Decomposition Result', fontsize=14)

plt.show()