En début de semaine, le MIT a présenté lors d’un symposium un nouvel algorithme capable d’amplifier et d’améliorer considérablement les performances pratiques de la FFT.
La FFT, ou transformée de Fourier rapide, est l’algorithme le plus répandu dans toutes les sciences de la communication et a été utilisée sans relâche dans presque tout ce que nous connaissons depuis qu’elle a été composée au milieu des années 60. Sans elle, il ne serait pas possible, par exemple, de convertir des informations telles que des notes de musique et d’autres données pures en une représentation mathématique qui pourrait être codée et transmise entre des appareils.
La FFT est une composition mathématique qui décompose la matrice de tout signal à large fréquence, suffisamment complexe et spécifique pour obéir à un schéma de lecture et de codage. Sans elle, il serait impossible de comprendre les fluctuations de tension d’un fil qui relie un fichier .mp3 à l’intérieur d’un lecteur à une caisse de résonance. Autrement dit, nous en avons besoin.
Comme son prédécesseur, le nouvel algorithme fonctionne également avec des signaux numériques dans un spectre complexe de fréquences avec différentes ondes et représentant différentes valeurs.
Un bloc de 8×8 pixels peut être compris comme un signal contenant 64 échantillons de fréquences et donc la somme de ces 64 fréquences différentes si l’on considère l’échelle de la Transformée de Fourier.
Beaucoup de ces 64 fréquences ont une latence si faible qu’elles peuvent être ignorées. C’est pourquoi la FFT est si importante pour la compression des données.
Ce que les professeurs Katabi et Piotr Indyk de Laboratory Artificial Intelligence and Computer Science (CSAIL) au MIT ont découvert, c’est qu’en fait 57 de ces fréquences peuvent être complètement ignorées sans perte de qualité significative ? ce qui augmente la vitesse du nouvel algorithme d’au moins 10 fois.
Toujours sans nom, il peut être particulièrement utile pour les smartphones et les tablettes, offrant la possibilité de convertir et de transmettre de longs fichiers vidéo, sans épuiser leurs batteries ni consommer excessivement leurs franchises de données respectives offertes par les opérateurs.
Son développement a bénéficié de l’aide des étudiants Eric Price et Haitham Hassanieh et consiste en une nouvelle idée par rapport à la méthode actuelle, divisée en deux étapes : la première consiste à diviser et à mesurer le signal en couches de bande plus étroites, de sorte que chaque couche ne contienne qu’une seule fréquence avec un “poids” de marquage significatif et soit ainsi considérée, en éliminant les autres.
