数据压缩第三周作业——WAV文件分析

WAV文件概述

WAVE(Waveform Audio File Format)：是微软与IBM公司所开发在个人电脑存储音频流的编码格式。其采用RIFF（Resource Interchange File Format）文件格式结构（资源互换文件格式），通常用来保存PCM格式的原始音频数据，不对原有文件进行压缩，所以在音质方面无失真情况。
通常可以用于保存AVI（视音频交错数据）、WAV（波形格式）、RDI（位图数据）等格式的数据。

---

文件组成

WAV文件主要由以下三部分组成：

• RIFF Chunk：文件标识符，WAV身份判断
• FORMAT Chunk：文件参数模块
• DATA Chunk：实际数据块

此外，文件中还可能包含一些可选的区块，如：Fack Chunk、Cue Points Chunk等，只有通过某些软件进行转化的过程中可能会加入该子块，其主要存储一些关于该文件的重要信息（如压缩编码信息等）

WAVE文件是以RIFF（Resource Interchange File Format, 资源交互文件格式）格式来组织内部结构的，在了解WAV文件之前，我们首先对RIFF格式进行简单了解。

---

RIFF格式

RIFF格式是一种包含多个嵌套的二进制文件格式，其基本构成单元是chunk。

chunk表示数据的一个基本逻辑单元，例如视频的一帧数据、音频的一帧数据等等。每个RIFF块的基本结构如下：

typedef struct Chunk
{
	DWORD ChunkId;              // 用于表示块的类型（chunkID） 
	DWORD ChunkSize;            // 用于表明数据域的长度，注意是数据域
	BYTE ChunkData[ChunkSize];  // 数据部分 
} Chunk;

ChunkId：四字节，用于标识块的类型，例如RIFF、LIST、AVI等。（一般是四个字符，用FOURCC表示，如果少于四个字符，用补空格填满四个字节）
ChunkSize：四字节，用于块中数据长度（不包括填充添加的0，也不包括开头的基本信息情况）
ChunkData：n字节，存储数据。注意必须是偶数。如果实际数据是奇数（字节），则在数据末尾补0。

值得注意的是，RIFF格式允许chunk嵌套，一个chunk中的chunk被称之为子块（subchunk），但只有ID为“RIFF”（RIFF块）或者“LIST”（列表块）的chunk允许拥有子块，其它的块不允许嵌套，仅仅只包含数据。

我们重点对RIFF块进行分析：

RIFF chunk

ChunkId为RIFF的块是RIFF块，根据规定，RIFF文件第一个chunk开头标识符必须为RIFF，并且一个RIFF文件只能有这一个标志位RIFF的块。

以实例讲解作为分析，如下图所示RIFFchunk展示。

• RIFF块，头部ID固定为RIFF，size为数据域的长度，后面部分为数据域。在数据域开头有一个FOURCC（四字节码），用于标识子块的数据类型，接下来是子块部分。
• 图中的子块为LISTchunk，ID即为LIST，size为列表块数据域的长度，后面为数据域。在数据里又包含多个子块。

WAV文件格式

WAV文件遵循RIFF规则，内容以chunk为最小单位存储，一般由RIFF chunk、format chunk和datachunk组成。此外，文件中还可能包含其余chunk，例如Fact chunk、Associated data list chunk等。
接下来分别对RIFFchunk、format chunk、datachunk进行介绍：

RIFFchunk

typedef struct chunk
{
    DWORD ChunkId;   // 块标志
    DWORD size; // 块大小
    DWORD Type; // 后续跟块介绍
}chunk;

名称	偏移地址	说明
chunkId	0x00	固定为0x5249 4646（表示为RIFF）
Chunksize	0x04	size为wav文件的长度减去ID和Size的长度
Type	0x08	固定为0x5741 5645（表示WAVE)

Format chunk

typedef struct Format chunk
{
    DWORD ChunkId;   // 块标志
    DWORD size; // 块大小
    WORD AudioFormat; // 表明音频格式
    WORD NumChannels;//表明声道数
    DWORD SampleRate;//采样率
    DWORD ByteRate;//每秒字节数
    WORD BlockAlign;//数据块对齐
    WORD BitsPerSample;//采样位数
}Format chunk;

名称	偏移地址	说明
chunkId	0x00	固定为0x666D7420（表示为fmt）
Chunksize	0x04	表示该区块的数据大小（不包含ID和size）
AudioFormat	0x08	音频格式，PCM音频数据的值为1；大于1表示有压缩的编码
NumChannels	0x0A	声道数，1表示单声道，2表示双声道
SampleRate	0x0C	表示音频数据的采样率
ByteRate	0x10	每秒数据字节数（ByteRate = SampleRate * NumChannels * BitsPerSample / 8）
BlockAlign	0x14	每个采样所需的字节数 （BlockAlign = NumChannels * BitsPerSample / 8）
BitsPerSample	0x16	表明每个采样存储的bit数，8：8bit，16：16bit，32：32bit，值越大，声音还原越好

注意：只有'RIFF','LIST'chunk有Type

Data Chunk

typedef struct Data Chunk
{
    DWORD ChunkId;   // 块标志（以data为标识）
    DWORD size; // 数据块的长度
    nByte Data; // 具体数据
}Data Chunk;

名称	偏移地址	说明
chunkId	0x00	固定为0x64617461（表示为data）
Chunksize	0x04	表示整个wav文件的数据大小
Data	0x08	为具体的音频数据

对于数据部分：特别强调的是：
8bit单声道：

采样1（8bit）	采样2（8bit）
数据1	数据2

8bit双声道：

采样1（8bit）		采样2（8bit）
数据1左声道（4bit）	数据1右声道（4bit）	数据2左声道（4bit）	数据2右声道（4bit）

16bit单声道相同：

采样1（16bit）		采样2（16bit）
数据1低字节（8bit）	数据1高字节（8bit）	数据2低字节（8bit）	数据2高字节（8bit）

16bit双声道：

采样1（16bit）
左声道（8bit）		右声道（8bit）
低字节（4bit）	高字节（4bit）	低字节（4bit）	高字节（4bit）

---

图片实例讲解

选取时长为1分钟的part1.wav文件进行分析：

利用二进制编辑器打开进行具体分析：
· RIFF chunk：

数字	名称	实际大小	说明
52 49 46 46	chunkID	固定为0x52494646（大端）	表示此块为RIFFchunk
06 80 A1 00	chunksize	0xA18006=10,584,070D	表示整个wav文件块共有10,584,070字节
57 41 56 45	type	固定为0x57415645（大端）	表示为wave文件

· Format Chunk:

数字	名称	实际大小	说明
66 6D 74 20	chunkID	固定为0x666D7420（大端）	表示此块为format chunk(fmt)
10 00 00 00	chunksize	0x10=16D	表示fmt块共有16字节
01 00	Audio Format	0x01=1D	表示为PCM音频数据
02 00	numchannels	0x02=2D	表示为双声道
44 AC 00 00	sampleRate	0xAC44=44100D	表示音频数据采样率为44.1kHz
10 B1 02 00	byteRate	0x02B110=176400D	表示每秒数据共有176400个字节
04 00	blockalign	0x04=4D	每个采样数据所需4个字节
10 00	bitspersample	0x10=16D	每个采样存储为16bit

· LIST chunk

我们可以观察到，本例子中的WAV文件夹杂一个LIST chunk（list chunk的格式如前面第一段介绍的，这里我们简单分析下）

数字	名称	实际大小	说明
4C 49 53 54	chunkID	固定为0x4C495354（大端）	表示此块为LISTchunk
1A 00 00 00	chunksize	0x1A=26D	表示list块共有26字节
49 4E 46 4F	type	固定为0x494E464F（大端）	表示为LISTchunk(?)
…	data	…	…

经过格式转换后的chunk文件含有list chunk，存储格式转换信息，我们从chunksize开始跳过26字节直接进入data部分分析：

· Data Chunk:

数字	名称	实际大小	说明
64 61 74 61	chunkID	固定为0x64617461（大端）	表示此块为Data chunk
C0 7F A1 00	chunksize	0xA17FC0=10584000D	表示共有10584000字节数据
…	data	…	(此文件为双声道16bit量化，参照上面的声道采样表进行分析）

根据分析结果画出实例文件结构：

实验总结

本次实验通过查阅资料了解了WAV文件格式，利用格式工厂转换mp4文件为wav文件，对转换的wav文件进行了简单分析。具体的实验方法和前几次的文件分析方法一致，本次实验过程中没有遇到太多问题，但遗憾的寻找了很久资料源，都没有找到list chunk数据的具体分析，不过后续如果用到wav文件分析数据，我们可以直接根据chunksize跳过listchunk部分进入data！