为了提高python算法运行速度，对emd算法的改进

经验模态分解

经验模态分解EMD是基于瞬时频率、本征模态函数(Intrinsic Mode Function,IMF)的概念，能够将复杂信号分解为若干个IMF分量，每个IMF表征信号的局部特征。依据的是数据自身的时间尺度特征来进行信号分解，无需预先设定任何基函数，因此具有自适应性。再通俗一点，EMD就像一台机器，把一堆混在一起的硬币扔进去，他会自动按照1元、5毛、1毛、5分、1分地分成几份。
经验模态分解的基本思想：将一个频率不规则的波化为多个单一频率的波+残波的形式。原波形 = ∑ IMFs + 余波。
EMD方法是基于如下假设基础上的：
　　（1）信号至少有两个极值点，一个极大值和一个极小值；
　　（2）特征时间尺度通过两个极值点之间的时间定义；
　　（3）若数据缺乏极值点但有形变点，则可通过数据微分一次或几次获得极值点，然后再通过积分来获得分解结果。

基于python的emd函数库的改进

为了项目需求，可以实际重构需求，定义重构数量，如下图所示：


当然，上图中的max_imf要保持一致，其含义：分解imf分量的数量