WAV文件格式分析

一.WAV文件的定义：

WAV为微软公司（Microsoft）开发的一种声音文件格式，它符合RIFF（Resource Interchange File Format）文件规范，用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持，该格式也支持MSADPCM，CCITT A LAW等多种压缩运算法，支持多种音频数字，取样频率和声道，标准格式化的WAV文件和CD格式一样，也是44.1K的取样频率，16位量化数字，因此在声音文件质量和CD相差无几。

WAV打开工具是WINDOWS的媒体播放器，通常使用三个参数来表示声音，量化位数，取样频率和采样点振幅，量化位数分为8位，16位，24位三种。声道有单声道和立体声之分，单声道振幅数据为n*1矩阵点，立体声为n*2矩阵点，取样频率一般有11025Hz（11kHz），22050Hz（22kHz）和44100Hz（44kHz）三种，不过尽管音质出色，但在压缩后的文件体积过大，其大小不随音量大小及清晰度的变化而变化。

二.WAV文件的数据结构：WAV文件的数据结构由两部分组成数据块和文件头。

（1）文件头的结构如下：

偏移地址

大小

字节

数据块

类型

内容

00H~03H

4

4字符

资源交换文件标志（RIFF）

04H~07H

4

长整数

从下个地址开始到文件尾的总字节数

08H~0BH

4

4字符

WAV文件标志（WAVE）

0CH~0FH

4

4字符

波形格式标志（fmt ），最后一位空格。

10H~13H

4

整数

过滤字节（一般为00000010H）

14H~15H

2

整数

格式种类（值为1时，表示数据为线性PCM编码）

16H~17H

2

整数

通道数，单声道为1，双声道为2

18H~1BH

4

长整数

采样频率

1CH~1FH

4

长整数

波形数据传输速率（每秒平均字节数）

20H~21H

2

整数

DATA数据块长度，字节。

22H~23H

2

整数

PCM位宽

24H~27H44字符

“fact”,该部分一下是可选部分，即可能有，可能没有,一般到WAV文件由某些软件转换而成时，包含这部分。

28H~2BH4

长整数

size,数值为4

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。

（2）数据块的结构：

偏移地址

字节数

类型

内容

24H~27H

4

4字符

数据标志符（data）

28H~2BH

4

长整型

DATA总数据长度字节

2CH...

...

DATA数据块

对于WAV文件来说，每个文件的头4字节为RIFF.

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 WAVEChunk,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'|

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

以RIFF作为标识符，之后紧跟size字段，其表示的是整个WAV文件的大小减去ID和size所占得字节数之后的结果，最后是type表示WAV文件。

结构定义如下：
struct RIFF_HEADER
{
   char szRiffID; // 'R','I','F','F'
   DWORD dwRiffSize;
   char szRiffFormat; // 'W','A','V','E'
};
Format Chunk
||字节数|具体内容|
|ID|4 Bytes|'fmt'|
|Size|4Bytes|数值为16或18，18则最后又附加信息|
|FormatTag|2Bytes|编码方式，一般为0x0001|
|Channels| 2
|SamplesPerSec|4Bytes|采样频率
|AvgBytesPerSec|4Bytes|每秒所需字节数||===>WAVE_FORMAT
|BlockAlign|2Bytes|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||
||2Bytes|附加信息（可选，通过Size来判断有无）||
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|4Bytes|'fact'|
|Size|4Bytes|数值为4|
|data|4Bytes||
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; // 'f','a','c','t'
    DWORD dwFactSize;
};
Data Chunk
||所占字节数|具体内容|
|ID|4Bytes|'data'|
|Size|4Bytes||
|data|||
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：
对于8位单声道，每个样本数据由8位（bit）表示；
对于8位立体声，每个声道的数据由一个8位（bit）数据表示，且第一个8位（bit）数据表示0声道（左）数据，紧随其后的8位（bit）数据表示1声道（右）数据；
对于16位单声道，每个样本数据由16位（bit）表示；其中低字节存放高位，高字节存放低位；
对于16位立体声，每个声道的数据由一个16位（bit）数据表示，且第一个16位（bit）数据表示0声道（左）数据，紧随其后的16位（bit）数据表示1声道（右）数据。
|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）

wav数据bit位置安排方式
Data Chunk头结构定义如下：
struct DATA_BLOCK

{
   char szDataID;// 'd','a','t','a'
   DWORD dwDataSize;
};

WAV文件的特点：编解码简单，普遍的认同支持以及无损耗存储，到时其所占用的音频空间过大。

三.RIFF文件的格式和数据结构：

（1）定义：RIFF全称为资源互换文件格式（ResourcesInterchange FileFormat），RIFF文件是windows环境下大部分多媒体文件遵循的一种文件结构,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)。

（2）数据结构：

chunk是组成RIFF文件的基本单元，它的基本结构如下：

struct chunk

{

  u32 id; /* 块标志 */

  u32 size; /* 块大小 */

  u8 dat[size]; /* 块内容 */

};

id 由4个ASCII字符组成，用以识别块中所包含的数据。如：'RIFF','LIST','fmt','data','WAV','AVI'等等，由于这种文件结构最初是由Microsoft和IBM为PC机所定义,RIFF文件是按照little-endian字节顺序写入的。

size（块大小）是存储在data域中数据的长度,id与size域的大小则不包括在该值内。

dat（块内容）中所包含的数据是以字(WORD)为单位排列的，如果该数据结构长度是奇数，则在最后添加一个空(NULL)字节。

chunk块中有且仅有两种类型块：'RIFF'和'LIST'类型可以包含其他块，而其它块仅能含有数据。

'RIFF'和'LIST'类型的chunk结构如下:

structchunk

{

  u32 id; /* 块标志 */

  u32 size; /* 块大小 */

/*此时的dat = type + restdat */

  u32 type ; /* 类型 */

  u8 restdat[size] /* dat中除type4个字节后剩余的数据*/

};

可以看出，'RIFF'和'LIST'也是chunk,只是它的dat由两部分组成type和restdat。

type,由4个ASCII字符组成，代表RIFF文件的类型，如'WAV','AVI '；或者'LIST'块的类型，如avi文件中的列表'hdrl','movi'。

restdat,dat中除type的4个字节后剩余的数据，包括块内容，包含若干chunk和'LIST'。