wave文件结构

来源：互联网发布：尚品闪购软件开发编辑：程序博客网时间：2024/05/05 16:16

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文件作为最经典的Windows多媒体音频格式，应用非常广泛，它使用三个参数来表示声音：采样位数、采样频率和声道数。

   声道有单声道和立体声之分，采样频率一般有11025Hz（11kHz）、22050Hz（22kHz）和44100Hz（44kHz）三种。WAV文件所占容量=（采样频率×采样位数×声道）×时间/8（1字节=8bit）。

   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文件可以存储大量格式的数据，通常采用的音频编码方式是脉冲编码调制(PCM)。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文件作为多媒体中使用的声波文件格式之一，它是以RIFF格式为标准的。RIFF是英文Resource Interchange File Format的缩写，每个WAVE文件的头四个字节便是“RIFF”。WAVE文件由文件头和数据体两大部分组成。其中文件头又分为RIFF／WAV文件标识段和声音数据格式说明段两部分。WAVE文件各部分内容及格式见附表。

常见的声音文件主要有两种，分别对应于单声道（11.025KHz采样率、8Bit的采样值）和双声道（44.1KHz采样率、16Bit的采样值）。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（short int 00H-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），高八位和低八位分别代表左右两个声道。

   WAVE文件数据块包含以脉冲编码调制（PCM）格式表示的样本。WAVE文件是由样本组织而成的。在单声道WAVE文件中，声道0代表左声道，声道1代表右声道。在多声道WAVE文件中，样本是交替出现的。

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1 Wav格式包含Chunk示例

RIFF WAVE Chunk
==================================
|    |所占字节数|   具体内容 |
==================================
| ID |   4 Bytes | 'RIFF' |
----------------------------------
| Size   |   4 Bytes |          |
----------------------------------
| Type   |   4 Bytes | 'WAVE' |
----------------------------------
         图2   RIFF WAVE Chunk

以'RIFF'作为标示，然后紧跟着为size字段，该size是整个wav文件大小减去ID
和Size所占用的字节数，即FileLen - 8 = Size。然后是Type字段，为'WAVE'，表
示是wav文件。
结构定义如下：
struct RIFF_HEADER
{
   char szRiffID[4];   // 'R','I','F','F'
   DWORD dwRiffSize;
   char szRiffFormat[4]; // 'W','A','V','E'
};

Format Chunk
====================================================================
|             | 字节数   |              具体内容             |
====================================================================
| ID          |   4 Bytes   | 'fmt '                             |
--------------------------------------------------------------------
| Size       |   4 Bytes   | 数值为16或18，18则最后又附加信息     |
--------------------------------------------------------------------   ----
| FormatTag     |   2 Bytes   | 编码方式，一般为0x0001             |     |
--------------------------------------------------------------------     |
| Channels    |   2 Bytes   | 声道数目，1--单声道；2--双声道    |     |
--------------------------------------------------------------------     |
| SamplesPerSec |   4 Bytes   | 采样频率                             |     |
--------------------------------------------------------------------     |
| AvgBytesPerSec|   4 Bytes   | 每秒所需字节数                       |     |===> WAVE_FORMAT
--------------------------------------------------------------------     |
| BlockAlign |   2 Bytes   | 数据块对齐单位(每个采样需要的字节数) |     |
--------------------------------------------------------------------     |
| BitsPerSample |   2 Bytes   | 每个采样需要的bit数                |     |
--------------------------------------------------------------------     |
|             |   2 Bytes   | 附加信息（可选，通过Size来判断有无） |     |
--------------------------------------------------------------------   ----
                        图3   Format Chunk

以'fmt '作为标示。一般情况下Size为16，此时最后附加信息没有；如果为18
则最后多了2个字节的附加信息。主要由一些软件制成的wav格式中含有该2个字节的
附加信息。
结构定义如下：
struct WAVE_FORMAT
{
   WORD wFormatTag;
   WORD wChannels;
   DWORD dwSamplesPerSec;
   DWORD dwAvgBytesPerSec;
   WORD wBlockAlign;
   WORD wBitsPerSample;
};
struct FMT_BLOCK
{
   char   szFmtID[4]; // 'f','m','t',' '
   DWORD   dwFmtSize;
   WAVE_FORMAT wavFormat;
};

Fact Chunk
==================================
|    |所占字节数|   具体内容 |
==================================
| ID |   4 Bytes | 'fact' |
----------------------------------
| Size   |   4 Bytes | 数值为4 |
----------------------------------
| data   |   4 Bytes |          |
----------------------------------
         图4   Fact Chunk

Fact Chunk是可选字段，一般当wav文件由某些软件转化而成，则包含该Chunk。
结构定义如下：
struct FACT_BLOCK
{
   char   szFactID[4]; // 'f','a','c','t'
   DWORD   dwFactSize;
};

Data Chunk
==================================
|    |所占字节数|   具体内容 |
==================================
| ID |   4 Bytes | 'data' |
----------------------------------
| Size   |   4 Bytes |          |
----------------------------------
| data   |       |          |
----------------------------------
         图5 Data Chunk

Data Chunk是真正保存wav数据的地方，以'data'作为该Chunk的标示。然后是
数据的大小。紧接着就是wav数据。根据Format Chunk中的声道数以及采样bit数，
wav数据的bit位置可以分成以下几种形式：
---------------------------------------------------------------------
| 单声道   | 取样1 | 取样2 | 取样3 | 取样4 |
|           |--------------------------------------------------------
|   8bit量化 | 声道0 | 声道0 | 声道0 | 声道0 |
---------------------------------------------------------------------
| 双声道   |       取样1          |           取样2           |
|           |--------------------------------------------------------
|   8bit量化 |   声道0(左)   |   声道1(右)   |   声道0(左)   |   声道1(右)   |
---------------------------------------------------------------------
|           |       取样1          |           取样2           |
| 单声道   |--------------------------------------------------------
| 16bit量化 | 声道0 |   声道0    | 声道0 |   声道0    |
|           | (低位字节)   | (高位字节)   | (低位字节)   | (高位字节)   |
---------------------------------------------------------------------
|           |                      取样1                      |
| 双声道   |--------------------------------------------------------
| 16bit量化 |   声道0(左)   |   声道0(左)   |   声道1(右)   |   声道1(右)   |
|           | (低位字节)   | (高位字节)   | (低位字节)   | (高位字节)   |
---------------------------------------------------------------------
                     图6 wav数据bit位置安排方式

Data Chunk头结构定义如下：
struct DATA_BLOCK
{
   char szDataID[4]; // 'd','a','t','a'
   DWORD dwDataSize;
};

音频数据计算

数据量（字节/秒）= (采样频率（Hz）*采样位数（bit）*声道数)/ 8

声卡对声音的处理质量可以用三个基本参数来衡量，即采样频率、采样位数和声道数。
采样频率是指单位时间内的采样次数。采样频率越大，采样点之间的间隔就越小，数字化后得到的声音就越逼真，但相应的数据量就越大。声卡一般提供11.025kHz、22.05kHz和44.1kHz等不同的采样频率。
 采样位数是记录每次采样值数值大小的位数。采样位数通常有8bits或16bits两种，采样位数越大，所能记录声音的变化度就越细腻，相应的数据量就越大。
 采样的声道数是指处理的声音是单声道还是立体声。单声道在声音处理过程中只有单数据流，而立体声则需要左、右声道的两个数据流。显然，立体声的效果要好，但相应的数据量要比单声道的数据量加倍。
 不经过压缩声音数据量的计算公式为：
 数据量（字节/秒）= (采样频率（Hz）*采样位数（bit）*声道数)/ 8
 其中，单声道的声道数为1，立体声的声道数为2。

【应用举例】

【例1】请计算对于5分钟双声道、16位采样位数、44.1kHz采样频率声音的不压缩数据量是多少？
解：
根据公式：
数据量=（采样频率×采样位数×声道数×时间）/8
得，数据量=[44.1×1000×16×2×（5×60）] /（8×1024×1024）
=50.47MB
因此，声音的不压缩数据量约为50.47MB。
计算时要注意几个单位的换算细节：
时间单位换算：1分=60秒
采样频率单位换算：1kHz=1000Hz
数据量单位换算：1MB=1024×1024=1048576B

【例2】请计算对于双声道立体声、采样频率为44.1kHz、采样位数为16位的激光唱盘（CD-A），用一个650MB的CD-ROM可存放多长时间的音乐。
解：
已知音频文件大小的计算公式如下：
文件的字节数/每秒=采样频率（Hz）采样位数（位）声道数/8
根据上面的公式计算一秒钟时间内，采样频率为44.1kHz、采样位数为16位，双声道立体声激光唱盘（CD-A）的不压缩数据量。
(44.1×1000×16×2)/8=0.168MB/s
那么，一个650MB的CD-ROM可存放的时间为（650/0.168）/（60×60）=1.07小时，答约1个小时即可。