wave文件(*.wav)格式、PCM数据格式

说明：如需要相关源码可与本人联系QQ：28271197.加QQ请说明原因。

1.音频简介

经常见到这样的描述:44100HZ16bitstereo或者22050HZ8bitmono等等.

44100HZ16bitstereo:每秒钟有44100次采样,采样数据用16位(2字节)记录,双声道(立体声);

22050HZ8bitmono:每秒钟有22050次采样,采样数据用8位(1字节)记录,单声道;

当然也可以有16bit的单声道或8bit的立体声,等等。

采样率是指：声音信号在"模→数"转换过程中单位时间内采样的次数。采样值是指每一次采样周期内声音模拟信号的积分值。

对于单声道声音文件，采样数据为八位的短整数（shortint00H-FFH）；

而对于双声道立体声声音文件，每次采样数据为一个16位的整数（int），高八位(左声道)和低八位(右声道)分别代表两个声道。

人对频率的识别范围是20HZ-20000HZ,如果每秒钟能对声音做20000个采样,回放时就足可以满足人耳的需求.所以22050的采样频率是常用的,44100已是CD音质,超过48000的采样对人耳已经没有意义。这和电影的每秒24帧图片的道理差不多。

每个采样数据记录的是振幅,采样精度取决于储存空间的大小:

1字节(也就是8bit)只能记录256个数,也就是只能将振幅划分成256个等级;

2字节(也就是16bit)可以细到65536个数,这已是CD标准了;

4字节(也就是32bit)能把振幅细分到4294967296个等级,实在是没必要了.

如果是双声道(stereo),采样就是双份的,文件也差不多要大一倍.

这样我们就可以根据一个wav文件的大小、采样频率和采样大小估算出一个wav文件的播放长度。

譬如"WindowsXP启动.wav"的文件长度是424,644字节,它是"22050HZ/16bit/立体声"格式(这可以从其"属性->摘要"里看到),

那么它的每秒的传输速率(位速,也叫比特率、取样率)是22050*16*2=705600(bit/s),换算成字节单位就是705600/8=88200(字节/秒),

播放时间：424644(总字节数)/88200(每秒字节数)≈4.8145578(秒)。

但是这还不够精确,包装标准的PCM格式的WAVE文件(*.wav)中至少带有42个字节的头信息,在计算播放时间时应该将其去掉,

所以就有：(424644-42)/(22050*16*2/8)≈4.8140816(秒).这样就比较精确了.

关于声音文件还有一个概念:"位速",也有叫做比特率、取样率,譬如上面文件的位速是705.6kbps或705600bps,其中的b是bit,ps是每秒的意思;

压缩的音频文件常常用位速来表示,譬如达到CD音质的MP3是:128kbps/44100HZ.

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（WaveformAudio），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PIFFResourceInterchangeFileFormat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。

2.2Wave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(ResourceInterchangeFileFormat,"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(NBytes)
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：RIFFWAVEChunk,FormatChunk,FactChunk(可选),DataChunk。具体见下图：



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

|RIFFWAVEChunk|

|ID="RIFF"|

|RiffType="WAVE"|

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

|FormatChunk|

|ID="fmt"|

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

|FactChunk(optional)|

|ID="fact"|

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

|DataChunk|

|ID="data"|

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

图Wav格式包含Chunk示例

FactChunk

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

||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FactChunk

2.3Wave文件格式详细说明

别名字节数类型注释

ckid4char"RIFF"标志,大写

cksize4int32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。

fcctype4char"WAVE"类型块标识,大写。

ckid4char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。

cksize4int32文件内部格式信息数据的大小。

FormatTag2int16音频数据的编码方式。1表示是PCM编码

Channels2int16声道数，单声道为1，双声道为2

SamplesPerSec4int32采样率(每秒样本数),比如44100等

BytesPerSec4int32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。

BlockAlign2int16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。

BitsPerSample2int16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]2int16[可选]附加数据的大小。

[...]x

[ckid]4char"fact".

ckid4char表示"data"chunk的开始。此块中包含音频数据。小写。

cksize4int32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

2.4Windows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：

1typedefstruct
2{
3WORDwFormatag;//编码格式，包括WAVE_FORMAT_PCM，WAVEFORMAT_ADPCM等
4WORDnChannls;//声道数，单声道为1，双声道为2;
5
6DWORDnSamplesPerSec;//采样频率；
7
8DWORDnAvgBytesperSec；//每秒的数据量；
9
10WORDnBlockAlign;//块对齐；
11
12WORDwBitsPerSample;//WAVE文件的采样大小；
13
14WORDcbSize;//Thecountinbytesofthesizeofextra
15//information(aftercbSize).PCM中忽略此值
16}WAVEFORMATEX;

IMAADPCMWAVEFORMAT结构定义如下：

1Typedefstruct
2{
3WAVEFORMATEXwfmt;
4
5WORDnSamplesPerBlock;
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：

view
sourceprint?

1	typedef struct {

2

3	char [4]; //"fact"字符串

4

5	DWORD chunksize;

6

7	DWORD datafactsize; // 音频数据转换为PCM格式后的大小。

8

9	}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.PCM数据格式

PCM(PulseCodeModulation)也被称为脉码编码调制。PCM中的声音数据没有被压缩，如果是单声道的文件，采样数据按时间的先后顺序依次存入。(它的基本组织单位是BYTE(8bit)或WORD(16bit))

一般情况下，一帧PCM是由2048次采样组成的(参考http://discussion.forum.nokia.com/forum/showthread.php?129458-请问PCM格式的音频流，每次读入或输出的块的大小是必须固定为4096B么&s=e79e9dd1707157281e3725a163844c49)。

如果是双声道的文件，采样数据按时间先后顺序交叉地存入。如图所示:



Thenext'chunk',calledtheDATA'chunk'holdsthesounddata,pleaseseebelow:(0x00000824H=2084)



PCM的每个样本值包含在一个整数i中，i的长度为容纳指定样本长度所需的最小字节数。

首先存储低有效字节，表示样本幅度的位放在i的高有效位上，剩下的位置为0，这样8位和16位的PCM波形样本的数据格式如下所示。

样本大小数据格式最小值最大值

8位PCMunsignedint0225

16位PCMint-3276732767

参考资料：

[1]http://redsoft.ycool.com/post.2232742.html

[2]http://dev.firnow.com/course/3_program/hb/hbxl/20100803/518348.html

[3]http://hi.baidu.com/kindyb/blog/item/0a314f8859489c93a4c27297.html

[4]http://hi.baidu.com/kindyb/blog/item/353f4813df8799055aaf5397.html

[5]http://hi.baidu.com/kindyb/blog/item/2f31daa93f5ed4fb1e17a291.html

[6]http://hi.baidu.com/bigbigant/blog/item/7b91aa01e46dd4021d958317.html

[cksize]4int32"fact"chunkdatasize.

[factdata]4int32解压后的音频数据的大小(Bytes).

本人的小店：http://bashucoop.taobao.com/