Wav文件格式简要分析

来源：互联网发布：红米清空用户数据失败编辑：程序博客网时间：2024/06/06 14:22

WAVE文件格式是Microsoft的RIFF规范的一个子集，用于存储数字音频，整个文件就是一个RIFF大块，它的基本形式包括两种块：fmt块，用于描述压缩格式、采样率等基本信息；data块。包含实际样本数据。
这里写图片描述

RIFF标头结构定义

struct RIFF_HEADER {  char szRiffID[4];  // 四个字符'R','I','F','F'，像这样的字符是低字节存高位，即地址从低到高依次读出'R','I','F','F'  DWORD dwRiffSize;//文件总数据量-8字节（即除去开头8字节），像这样的数字是低字节存低位，读数时应从高字节向低字节读，才能正确读出  char szRiffFormat[4]; //四个字符 'W','A','V','E' };

地址字节数数据类型变量名内容 00H~03H 4 char szRiffID[4] ‘R”I”F”F’标志 04H~07H 4 DWORD dwRiffSize 文件大小，不包括前8字节 08H~0BH 4 char szRiffFormat[4] ‘W”A”V”E’标志

FMT块结构定义
先定义一个关于波形文件信息的结构体，再把这个结构体作为FMT块结构体的一个成员。

struct WAVE_FORMAT {  WORD wFormatTag;// 编码方法，PCM编码时为1，其他压缩方法时参见下文中“wav格式支持的压缩方法”  WORD wChannels;//通道数，1为单声道，2为双声道  DWORD dwSamplesPerSec;//采样率，即每秒的样本数  DWORD dwAvgBytesPerSec; //传输速率，每秒字节数=采样率*每个样点字节数（即下面的wBlockAlign）  WORD wBlockAlign; //每个样点字节数=样本宽度*通道数/8  WORD wBitsPerSample; //样本宽度，即一个样值用多少位表示，通常为8或16 };

FMT块结构体

 struct FMT_BLOCK {  char  szFmtID[4]; // 'f','m','t',三个字符，最后一个字节为空格  DWORD  dwFmtSize;//fmt块的字节数（编码方式为pcm时为16，即下面结构体成员的字节数，不为pcm时，为），不包括前8个字节   WAVE_FORMAT wavFormat;// 上面那个结构体 };

地址字节数数据类型变量名内容 0CH~0FH 4 char szFmtID[4] ‘f”m”t’标志 10H~13H 4 DWORD dwFmtSize fmt块大小，不包括前8字节（一般为16） 14H~15H 2 WORD wFormatTag 标识文件采用的编码方法 16H~17H 2 WORD wChannels 标识单/双(1/2)声道 18H~1BH 4 DWORD dwSamplesPerSec 采样率 1CH~1FH 4 DWORD dwAvgBytesPerSec 传输速率 20H~21H 2 WORD wBlockAlign 每个样点字节数 22H~23H 2 WORD wBitsPerSample 样本宽度附加信息（24H~25H） 2 WORD 额外的字节数，即下面2字节的WORD ，当wFormatTag不是pcm时会有这最后两项附加信息（26H~27H） 2 WORD 每一个data block的采样点数，因为在采用IMA-ADPCM压缩算法data chuck中的数据是以block形式来组织的

可选部分fact chunk
当wav文件由某些软件转成，会含有该chunk，结构定义如下：

struct FACT_BLOCK {  char  szFactID[4]; //四个字符 'f','a','c','t'  DWORD  dwFactSize; };

Data chunk头结构定义

struct DATA_BLOCK {  char szDataID[4]; // 四个字符'd','a','t','a'  DWORD dwDataSize;//数据块字节数，不含前8个字节 };

数据块的具体组织格式，在下面，8bit和16bit的区别中介绍。

QUESTION1: 8bit和16bit样值的二进制编码方式表示一样吗?

对于wFormatTag为WAVE_FORMAT_PCM格式时的非压缩数据，data chunk中紧跟着DataChunkSize后的PCM数据组成如下：

8bit（无符号0~255）
单声道

双声道

16bit：有符号 -32768~32767
单声道

双声道

对于其他压缩形式，储存格式就更为复杂。比如wFormatTag为IMA-ADPCM时，数据从PCM16位采样压缩成4位，单声道是按采样次序写入，每字节2两个样点，低4位是第一个样点，高4位是第二个样点，双声道是先写左声道前8个样点，也就是4字节，作为一个DWORD，再写右声道8个样点，作为一个DWORD，写到最后如果不够8个样点就补0到8个样点。

QUESTION2: 上面提到了ADPCM的压缩格式，那么现有的WAV支持哪几种音频压缩方法？

wFormatTag有10个值对应10种编码算法：

wFormatTag值编码算法 0001H PCM/uncompressed 0002H Microsoft ADPCM 0006H ITU G.711 a-law 0007H ITU G.711 Âµ-law 0011H IMA ADPCM 0016H ITU G.723 ADPCM (Yamaha) 0031H GSM 6.10 0040H ITU G.721 ADPCM 0050H MPEG FFFFH Experimental

QUESTION3: 广泛采用的WAV文件为16bit、 44.1kHz，那么采样率48khz的wav文件如何转换成44.1khz？

由于44.1khz与48khz不是整数倍的关系，所以要先插值再重新取样，48k和44.1k的公倍数为7056k，所以先插值为7056k(=48 k *147=44.1k*160)，比如说有一秒钟的数据量，可以在每个样值后面复制146个该样值达到插值的目的，然后从第一个样值开始取，每隔159个样值取一个新样值，最后就取出了44.1k个样值，就完成了采样率的转换。

0 0