wave文件 wav格式

最新推荐文章于 2024-08-16 10:54:05 发布

转载最新推荐文章于 2024-08-16 10:54:05 发布 · 984 阅读

android 专栏收录该内容

14 篇文章

订阅专栏

将PCM数据转换成WAV文件其实只是加个文件头

2. wave文件格式

2.1 概述

WAVE文件是计算机领域最常用的数字化声音文件格式之一，它是微软专门为Windows系统定义的波形文件格式（Waveform Audio），由于其扩展名为"*.wav"。

WAVE是录音时用的标准的WINDOWS文件格式，文件的扩展名为“WAV”，数据本身的格式为PCM或压缩型。

WAV文件格式是一种由微软和IBM联合开发的用于音频数字存储的标准，它采用RIFF文件格式结构，非常接近于AIFF和IFF格式。符合 PIFF Resource Interchange File Format规范。所有的WAV都有一个文件头，这个文件头音频流的编码参数。

WAV对音频流的编码没有硬性规定，除了PCM之外，还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码。

多媒体应用中使用了多种数据，包括位图、音频数据、视频数据以及外围设备控制信息等。RIFF为存储这些类型的数据提供了一种方法，RIFF文件所包含的数据类型由该文件的扩展名来标识，能以RIFF文件存储的数据包括：

音频视频交错格式数据(.AVI) 、波形格式数据(.WAV) 、位图格式数据(.RDI) 、MIDI格式数据(.RMI) 、调色板格式(.PAL) 、多媒体电影(.RMN) 、动画光标(.ANI) 、其它RIFF文件(.BND)。

wave文件有很多不同的压缩格式，所以，正确而详细地了解各种WAVE文件的内部结构是成功完成压缩和解压缩的基础，也是生成特有音频压缩格式文件的前提。

最基本的WAVE文件是PCM（脉冲编码调制）格式的，这种文件直接存储采样的声音数据没有经过任何的压缩，是声卡直接支持的数据格式，要让声卡正确播放其它被压缩的声音数据，就应该先把压缩的数据解压缩成PCM格式，然后再让声卡来播放。

2.2 Wave文件的内部结构

注：由于WAV格式源自Windows/Intel环境，因而采用Little-Endian字节顺序进行存储。

WAVE文件是以RIFF(Resource Interchange File Format, "资源交互文件格式")格式来组织内部结构的。

RIFF文件结构可以看作是树状结构，其基本构成是称为"块"（Chunk）的单元，最顶端是一个“RIFF”块，下面的每个块有“类型块标识(可选)”、“标志符”、“数据大小”及“数据”等项所组成。块的结构如表1所示：

名称	Size	备注
块标志符	4	４个小写字符(如 "fmt ", "fact", "data" 等)
数据大小	4	DWORD类型,表示后接数据的大小(N Bytes)
数据	N	本块中正式数据部分

表１：基本chunk的内部结构

上面说到的“类型块标识”只在部分chunk中用到，如 "WAVE" chunk中，这时表示下面嵌套有别的chunk。

当使用了 "类型块标识" 时，该chunk就没有别的项（如块标志符，数据大小等），它只作为文件读取时的一个标识。先找到这个“类型块标识”，再以它为起点读取它下面嵌套的其它chunk。

每个文件最前端写入的是RIFF块，每个文件只有一个RIFF块。从 Wave文件格式详细说明中可以看到这一点。

非PCM格式的文件会至少多加入一个 "fact" 块，它用来记录数据(注意是数据而不是文件)解压缩后的大小。这个 "fact" 块一般加在 "data" 块的前面。

WAVE文件是由若干个Chunk组成的。按照在文件中的出现位置包括：RIFF WAVE Chunk, Format Chunk, Fact Chunk(可选), Data Chunk。具体见下图：

-------------------------------------------

| RIFF WAVE Chunk |

| ID = "RIFF" |

| RiffType = "WAVE" |

-------------------------------------------

| Format Chunk |

| ID = "fmt " |

-------------------------------------------

| Fact Chunk(optional) |

| ID = "fact" |

-------------------------------------------

| Data Chunk |

| ID = "data" |

-------------------------------------------

图 Wav格式包含Chunk示例

Fact Chunk

=======================================

| |所占字节数| 具体内容 |

=======================================

| ID | 4Bytes | "fact" |

---------------------------------------

| Size | 4Bytes | 4 |

---------------------------------------

| data | 4Bytes |解压后的音频数据的大小(B)|

---------------------------------------

图 Fact Chunk

2.3 Wave文件格式详细说明

别名字节数类型注释

ckid 4 char "RIFF" 标志, 大写

cksize 4 int32 文件长度。这个长度不包括"RIFF"标志和

文件长度本身所占字节, 下面的

子块大小也是这样。

fcc type 4 char "WAVE" 类型块标识, 大写。

ckid 4 char 表示"fmt" chunk的开始。此块中包括文

件内部格式信息。小写, 最后一个

字符是空格。

cksize 4 int32 文件内部格式信息数据的大小。

FormatTag 2 int16 音频数据的编码方式。1 表示是 PCM 编码

Channels 2 int16 声道数，单声道为1，双声道为2

SamplesPerSec 4 int32 采样率(每秒样本数), 比如 44100 等

BytesPerSec 4 int32 音频数据传送速率, 单位是字节。其值为

采样率×每次采样大小。播放软件

利用此值可以估计缓冲区的大小。

BlockAlign 2 int16 每次采样的大小 = 采样精度*声道数/8(单

位是字节); 这也是字节对齐的最

小单位, 譬如 16bit 立体声在这

里的值是 4 字节。播放软件需要

一次处理多个该值大小的字节数

据，以便将其值用于缓冲区的调整。

BitsPerSample 2 int16 每个声道的采样精度; 譬如 16bit 在这

里的值就是16。如果有多个声道，则

每个声道的采样精度大小都一样的。

[cbsize] 2 int16 [可选]附加数据的大小。

[...] x

[ckid] 4 char "fact".

[cksize] 4 int32 "fact" chunk data size.

[fact data] 4 int32 解压后的音频数据的大小(Bytes).

ckid 4 char 表示 "data" chunk的开始。此块中包含

音频数据。小写。

cksize 4 int32 音频数据的长度

...... 文件声音信息数据(真正声音存储部分)

[......] 其它 chunk

2.4 Windows平台上WAVEFORMAT结构的认识

PCM和非PCM的主要区别是声音数据的组织不同，这些区别可以通过两者的WAVEFORMAT结构来区分。

下面以PCM和IMA-ADPCM来进行对比。

WAVE的基本结构 WAVEFORMATEX 结构定义如下：

  
    1 
   typedef 
   struct
   

    2 
   {

    3 
       WORD  wFormatag; 
   //
   编码格式，包括WAVE_FORMAT_PCM，WAVEFORMAT_ADPCM等
   

    4 
    
      WORD  nChannls; 
   //
   声道数，单声道为1，双声道为2;
   

    5 
    
   

    6 
       DWORD  nSamplesPerSec; 
   //
   采样频率；
   

    7 
    
   

    8 
       DWORD  nAvgBytesperSec；  
   //
   每秒的数据量；
   

    9 
    
   

   10 
       WORD  nBlockAlign; 
   //
   块对齐；
   

   11 
    
   

   12 
       WORD  wBitsPerSample; 
   //
   WAVE文件的采样大小；
   

   13 
    
   

   14 
       WORD  cbSize; 
   //
    The count in bytes of the size of extra

   15 
                     
   //
    information(after cbSize). PCM中忽略此值
   

   16 
    
   } WAVEFORMATEX;

IMAADPCMWAVEFORMAT结构定义如下：

  
   1 
   Typedef 
   struct
   

   2 
   {

   3 
       WAVEFORMATEX  wfmt;

   4 
   

   5 
       WORD  nSamplesPerBlock;

   6 
      

   7 
   } IMAADPCMWAVEFORMAT;

IMA-ADPCM中的的wfmt->cbsize不能忽略，一般取值为2，表示此类型的WAVEFORMAT比一般的WAVEFORMAT多出2个字节。这两个字符也就是nSamplesPerBlock。

"fact" chunk的内部组织

在非PCM格式的文件中,一般会在WAVEFORMAT结构后面加入一个 "fact" chunk, 结构如下：

 
        typedef 
        struct
        {
       
        char
        [4];
        //“fact”字符串
       
        DWORD 
        chunksize;
       
        DWORD 
        datafactsize;
        // 音频数据转换为PCM格式后的大小。 
       
        } factchunk;

datafactsize是这个chunk中最重要的数据，如果这是某种压缩格式的声音文件，那么从这里就可以知道他解压缩后的大小。对于解压时的计算会有很大的好处！

2.5 "data" chunk的内部组织

从 "data" chunk的第9个字节开始，存储的就是声音信息的数据了，(前八个字节存储的是标志符 "data" 和后接数据大小size(DWORD)。这些数据可以是压缩的，也可以是没有压缩的。

3 实现原理

网上有一篇曹京写的《wav文件格式分析详解》已经介绍过wav文件格式，有兴趣的读者可以查阅。wav文件通常包含4段：RIFF、格式段、FACT段和数据段。 PCM数据就放在数据段。只要格式段设置的格式与数据段的数据一致，播放程序就可以正确解析。下面这个数组的数据其实就是一个最小的wav文件。

static const unsigned char wav_template[] =
{
	// RIFF WAVE Chunk
	0x52, 0x49, 0x46, 0x46,		// "RIFF"
	0x30, 0x00, 0x00, 0x00,		// 总长度 整个wav文件大小减去ID和Size所占用的字节数
	0x57, 0x41, 0x56, 0x45,		// "WAVE"
	
	// Format Chunk
	0x66, 0x6D, 0x74, 0x20,		// "fmt "
	0x10, 0x00, 0x00, 0x00,		// 块长度
	0x01, 0x00,			// 编码方式
	0x01, 0x00,			// 声道数目
	0x80, 0x3E, 0x00, 0x00,		// 采样频率
	0x00, 0x7D, 0x00, 0x00,		// 每秒所需字节数=采样频率*块对齐字节
	0x02, 0x00,			// 数据对齐字节=每个样本字节数*声道数目
	0x10, 0x00,			// 样本宽度
	
	// Fact Chunk
	0x66, 0x61, 0x63, 0x74,		// "fact"
	0x04, 0x00, 0x00, 0x00,		// 块长度
	0x00, 0xBE, 0x00, 0x00, 

	// Data Chunk
	0x64, 0x61, 0x74, 0x61,		// "data"
	0x00, 0x00, 0x00, 0x00,		// 块长度
};

这个wav文件的数据长度为0。我们要增加PCM数据只要完成以下工作：