Linux音频驱动-WAV文件格式分析

概述

WAV文件格式是Microsoft的RIFF规范的一个子集，用于存储多媒体文件。WAV(RIFF)文件由若干个Chunk组成，分别为:  RIFF WAVE Chunk，Format Chunk，Fact Chunk(可选)，Data Chunk。具体格式如下：

RIFF Chunk

根据RIFF的格式，可以抽象出RIFF chunk的结构体:

struct RIFF_CHUNK
{
    char ChunkID[4]; //'R','I','F','F'
    unsigned int ChunkSize;
    char Format[4];  //'W','A','V','E'
};

其中ChunkSize代表的是整个wav_file的大小减去ChunkID和ChunkSize的大小，即wav_file_size=ChunkSize+8。

Format Chunk

Format chunk主要是描述音频数据的格式。根据Format chunk的格式，可以抽象出Format Chunk的数据结构:

struct FORMAT_CHUNK
{
    char FmtID[4]; //'f','m','t'
    unsigned int FmtSize;
    unsigned short FmtTag;
    unsigned short FmtChannels;
    unsigned int SampleRate;
    unsigned int ByteRate;
    unsigned short BlockAilgn;
    unsigned short BitsPerSample;
};

.FmtSize:  通常取值为16或者18，16代表是该音频使用PCM编码方式。

.FmtTag:   如果上述取值为16，则此值通常为1，代表该音频的编码方式是PCM编码。

.FmtChannels:  声道数目，1代表单声道，2代表双声道，就是所谓的立体声。

.SampleRate:  采样频率。如果对此概念不是很了解，可以查看此文章:  Linux音频驱动-声音采集过程

.ByteRate: 每秒所需的字节数。等于SampleRate * NumChannels * BitsPerSample/8。

.BlockAilgn: 数据块对齐单位。等于NumChannels * BitsPerSample/8。

.BitsPerSample:  采样位数。

Data Chunk

Data Chunk主要是描述raw sound数据和大小，根据Data Chunk格式，抽象出Data Chunk的数据结构:

struct DATA_CHUNK
{
    char DataID[4]; //'d','a','t','a'
    unsigned int DataSize;
};

DataSize就是整个raw data的大小。

实例分析

1.  在网上下载wav的音频文件，使用mediainfo显示该音频文件的详细信息。

root@test:~$ mediainfo ~/Download/test.wav 
General
Complete name                            : /home/test/Download/test.wav
Format                                   : Wave
File size                                : 44.2 MiB
Duration                                 : 4mn 22s
Overall bit rate mode                    : Constant
Overall bit rate                         : 1 411 Kbps

Audio
ID                                       : 0
Format                                   : PCM
Format settings, Endianness              : Little
Codec ID                                 : 1
Duration                                 : 4mn 22s
Bit rate mode                            : Constant
Bit rate                                 : 1 411.2 Kbps
Channel(s)                               : 2 channels
Sampling rate                            : 44.1 KHz
Bit depth                                : 16 bits
Stream size                              : 44.2 MiB (100%)

2.  使用vim使用十六进制打开该文件

      1 0000000: 5249 4646 741d c302 5741 5645 666d 7420  RIFFt...WAVEfmt                            
      2 0000010: 1000 0000 0100 0200 44ac 0000 10b1 0200  ........D.......
      3 0000020: 0400 1000 6461 7461 501d c302 0100 0000  ....dataP.......
      4 0000030: ffff 0000 0000 0000 0000 0100 0000 ffff  ................
      5 0000040: 0000 0100 0000 ffff 0000 0000 ffff 0100  ................
      6 0000050: 0200 ffff fdff 0100 0300 ffff ffff 0200  ................
      7 0000060: 0000 feff 0100 0200 ffff feff 0100 0200  ................
      8 0000070: ffff ffff 0100 0000 ffff 0100 0000 ffff  ................

3.   分析上述的数据

" 52 49 46 46"     对应的Ascii码字符为"RIFF"。

" 74 1d c3 02"     对应的就是ChunkSize，对应的十六进制是:0x2c31d74=46341492。那整个wav文件的大小就为:  46341492+8=46341500。将此值转化为MB位单位: 44.2MB，可以验证上述使用mediainfo的信息。

" 57 41 56 45"     对应的Ascii码字符为"WAVE"。
" 66 6d 74 20"     对应的Ascii码字符为"fmt"。

" 10 00 00 00"     四字节对应的是该音频的编码方式，通常为16，代表PCM编码方式。也就是十六进制0x10。

" 01 00"               对应为1，代表PCM编码方式。 

" 02 00"               通道个数，通道数为2，验证上述mediainfo的信息。

" 44 ac 00 00"     采用频率，转化为十六进制为:  0xac44=44100=44.1KHz

" 10 b1 02 00"     每秒所需的字节数，转化为十六进制为:  0x2b110=176400。通过此值可以计算该音频的时长:  46341500/17600=4.37。0.37*60=22.2，则该音频的时长为4mn22s。

" 04 00"               数据对齐单位。

" 10 00"               采样位数，等于0x10=16。

" 64 61 74 61"     对应的Ascill码字符为"data"。

" 50 1d c3 02"     对应该音频的raw数据的大小，转化为十六进制为0x2c31d50=46341456，此值等于wav_size-44=46341500-44。