PCM文件格式&WAV

PCM文件格式&WAV

PCM文件格式简单介绍

PCM文件：模拟音频信号经模数转换（A/D变换）直接形成的二进制序列，该文件没有附加的文件头和文件结束标志。Windows的Convert工具能够把PCM音频格式的文件转换成Microsoft的WAV格式的文件。    
          将音频数字化。事实上就是将声音数字化。最常见的方式是透过脉冲编码调制PCM(Pulse Code Modulation) 。

运作原理例如以下:首先我们考虑声音经过麦克风，转换成一连串电压变化的信号。例如以下图所看到的。这张图的横座标为秒。纵座标为电压大小。要将这种信号转为 PCM 格式的方法，是使用三个參数来表示声音。它们是：声道数、採样位数和採样频率。

         採样频率：即取样频率,指每秒钟取得声音样本的次数。採样频率越高,声音的质量也就越好,声音的还原也就越真实，但同一时候它占的资源比較多。因为人耳的分辨率非常有限,太高的频率并不能分辨出来。

在16位声卡中有22KHz、44KHz等几级,当中，22KHz相当于普通FM广播的音质，44KHz已相当于CD音质了，眼下的经常使用採样频率都不超过48KHz。 
        採样位数：即採样值或取样值（就是将採样样本幅度量化）。它是用来衡量声音波动变化的一个參数。也能够说是声卡的分辨率。

它的数值越大，分辨率也就越高。所发出声音的能力越强。
         声道数：非常好理解，有单声道和立体声之分，单声道的声音仅仅能使用一个喇叭发声（有的也处理成两个喇叭输出同一个声道的声音）。立体声的PCM 能够使两个喇叭都发声（一般左右声道有分工） ，更能感受到空间效果。

 

以下再用图解来看看採样位数和採样频率的概念。让我们来看看这几幅图。图中的黑色曲线表示的是PCM 文件录制的自然界的声波，红色曲线表示的是PCM 文件输出的声波。横坐标便是採样频率；纵坐标便是採样位数。

这几幅图中的格子从左到右，逐渐加密，先是加大横坐标的密度，然后加大纵坐标的密度。显然，当横坐标的单位越小即两个採样时刻的间隔越小。则越有利于保持原始声音的真实情况，换句话说，採样的频率越大则音质越有保证；同理，当纵坐标的单位越小则越有利于音质的提高。即採样的位数越大越好。

在计算机中採样位数一般有8位和16位之分。但有一点请大家注意，8位不是说把纵坐标分成8份，而是分成2的8次方即256份； 同理16位是把纵坐标分成2的16次方65536份； 而採样频率一般有11025HZ（11KHz），22050HZ（22KHz）、44100Hz（44KHz）三种。

那么，如今我们就能够得到PCM文件所占容量的公式：存储量 = (採样频率*採样位数*声道)*时间/8(单位：字节数).
比如，数字激光唱盘(CD－DA。红皮书标准)的标准採样频率为44.lkHz。採样数位为16位，立体声(2声道)，能够差点儿无失真地播出频率高达22kHz的声音，这也是人类所能听到的最高频率声音。

激光唱盘一分钟音乐须要的存储量为：　　　　　

(44.1*1000*l6*2)*60/8=10。584。000(字节)=10.584MBytes

这个数值就是PCM声音文件在硬盘中所占磁盘空间的存储量。
计算机音频文件的格式决定了其声音的品质，日常生活中电话、收音机等均为模拟音频信号。即不存在採样频率和採样位数的概念，我们能够这样比較一下：

• 44KHz，16BIT的声音称作：CD音质；
• 22KHz、16Bit的声音效果近似于立体声（FM Stereo）广播。称作：广播音质；
• 11kHz、8Bit的声音，称作：电话音质。 

微软的WAV文件就是PCM编码的一种,在后面我会具体介绍.

一，Windows支持两种RIFF（Resource Interchange File Format，“资源交互文件格式”）格式的音频文件

        MIDI的RMID文件和波形音频文件格式WAVE文件

        在计算机领域最常用的数字化声音文件格式是后者，它是微软专门为Windows系统定义的波形文件格式（Waveform Audio），由于其扩展名为"*.wav"，因而该类文件也被称为WAVE文件

        常见的WAVE语音文件主要有两种，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）

        这里的采样率是指声音信号在进行"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）；

            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。

二，RIFF文件和WAVE文件格式。

    RIFF文件结构可以看作是树状结构，其基本构成是称为"块"（Chunk）的单元，每个块有"标志符"、"数据大小"及"数据"所组成，块的结构如图1所示：

块的标志符（4BYTES）

数据大小 （4BYTES）

数据

　　"标志符"为4个字符所组成的代码，如"RIFF"，"LIST"等，指定块的标志ID；

   “数据大小”用来指定块的数据域大小，它的尺寸也为4个字符；

   “数据”用来描述具体的声音信号，它可以由若干个子块构成，一般情况下块与块是平行的，不能相互嵌套，但是有两种类型的块可以嵌套子块，他们是"RIFF"或"LIST"标志的块，其中RIFF块的级别最高，它可以包括LIST块。另外，RIFF块和LIST块与其他块不同，RIFF块的数据总是以一个指定文件中数据存储格式的四个字符码（称为格式类型）开始，如WAVE文件有一个"WAVE"的格式类型。LIST块的数据总是以一个指定列表内容的4个字符码（称为列表类型）开始，例如扩展名为".AVI"的视频文件就有一个"strl"的列表类型。

    RIFF和LIST的块结构如下：

RIFF/LIST标志符

数据1大小

数据1 格式/列表类型

数据

WAVE文件是非常简单的一种RIFF文件，它的格式类型为"WAVE"。RIFF块包含两个子块，这两个子块的ID分别是"fmt"和"data",其中"fmt"子块由结构PCMWAVEFORMAT所组成，其子块的大小就是sizeofof(PCMWAVEFORMAT),数据组成就是PCMWAVEFORMAT结构中的数据。

    WAVE文件的结构如下图三所示：

标志符（RIFF）

数据大小

格式类型（"WAVE"）

"fmt"

Sizeof(PCMWAVEFORMAT)

PCMWAVEFORMAT

"data"

声音数据大小

声音数据

　　PCMWAVEFORMAT结构定义如下：

Typedef struct

{

    WAVEFORMAT wf;       //波形格式；

    WORD wBitsPerSample; //WAVE文件的采样大小；

}PCMWAVEFORMAT；

    WAVEFORMAT结构定义如下：

typedef struct

{

    WORD wFormatag;//编码格式，包括WAVE_FORMAT_PCM，WAVEFORMAT_ADPCM等

    WORD nChannls;//声道数，单声道为1，双声道为2;

    DWORD nSamplesPerSec;//采样频率；

    DWORD nAvgBytesperSec；//每秒的数据量；

    WORD nBlockAlign;//块对齐；

}WAVEFORMAT；

三、声音文件的声音数据的读取操作

　　操作声音文件，也就是将WAVE文件打开，获取其中的声音数据，根据所需要的声音数据处理算法，进行相应的数学运算，然后将结果重新存储与WAVE格式的文件中去。可以使用CFILE类来实现读取操作，也可以使用另外一种方法，拿就是使用Windows提供的多媒体处理函数（这些函数都以mmino打头）。这里就介绍如何使用这些相关的函数来获取声音文件的数据，至于如何进行处理，那要根据你的目的来选择不同的算法了。WAVE文件的操作流程如下：

　　1．调用mminoOpen函数来打开WAVE文件，获取HMMIO类型的文件句柄；

　　2．根据WAVE文件的结构，调用mmioRead、mmioWrite和mmioSeek函数实现文件的读、写和定位操作；

　　3．调用mmioClose函数来关闭WAVE文件。

　　下面的函数代码就是根据WAVE文件的格式，实现了读取双声道立体声数据，但是在使用下面的代码过程中，注意需要在程序中链接Winmm.lib库，并且包含头文件"Mmsystem.h"。

BYTE * GetData(Cstring *pString) //获取声音文件数据的函数，pString参数指向要打开的声音文件；

{

if (pString==NULL)

return NULL;

HMMIO file1;//定义HMMIO文件句柄；

file1=mmioOpen((LPSTR)pString,NULL,MMIO_READWRITE);//以读写模式打开所给的WAVE文件；

if(file1==NULL)

{

MessageBox("WAVE文件打开失败！");

Return NULL;

}

char style[4];//定义一个四字节的数据，用来存放文件的类型；

mmioSeek(file1,8,SEEK_SET);//定位到WAVE文件的类型位置

mmioRead(file1,style,4);

if(style[0]!='W'||style[1]!='A'||style[2]!='V'||style[3]!='E')//判断该文件是否为"WAVE"文件格式

{

MessageBox("该文件不是WAVE格式的文件！");

Return NULL;

}

PCMWAVEFORMAT format; //定义PCMWAVEFORMAT结构对象，用来判断WAVE文件格式；

mmioSeek(file1,20,SEEK_SET);//对打开的文件进行定位，此时指向WAVE文件的PCMWAVEFORMAT结构的数据；

mmioRead(file1,(char*)&format,sizeof(PCMWAVEFORMAT));//获取该结构的数据；

if(format.wf.nChannels!=2)//判断是否是立体声声音；

{

MessageBox("该声音文件不是双通道立体声文件");

return NULL;

}

mmioSeek(file1,24+sizeof(PCMWAVEFORMAT),SEEK_SET);//获取WAVE文件的声音数据的大小；

long size;

mmioRead(file1,(char*)&size,4);

BYTE *pData;

pData=(BYTE*)new char[size];//根据数据的大小申请缓冲区；

mmioSeek(file1,28+sizeof(PCMWAVEFORMAT),SEEK_SET);//对文件重新定位；

mmioRead(file1,(char*)pData,size);//读取声音数据；

mmioClose(file1, MMIO_FHOPEN);//关闭WAVE文件；

return pData;

}