这是JRTPLIB@Conference 系列的第六部 《G.711编码事例程序》,本系列的主要工作是实现一个基于JRTPLIB的,建立在RTP组播基础上的多媒体视频会议系统。这只是一个实验系统,用于 学习JRTPLIB、RTP、和多媒体相关的编程,不是一个完善的软件工程。而且,我只会在业余的时间出于兴趣写一写。有志同道合的朋友可以通过tinnal@136.com 这个邮箱或博客回复(推荐)和我交流。
上一部《JRTPLIB@Conference DIY视频会议系统 五、PCM 和G.711编码相关》
这 一部我们来做个实验,就是把用windows录音机录下来的"PCM 8.000 kHz, 16 位, 单声道"WAV文件转换成为我们要用的8位8000Hz a-law格式PCM。要注意的是录音机默认的方式是PCM 44.100 kHz, 16 位, 立体声,我们不想去进行采样频率的更改,因为这个要进行插值,而且也没必要,因为我们写软件时采样频率我们是可以更改的。所以我们要先把录音另为"PCM 8.000 kHz, 16 位, 单声道"格式。
一、WAV 格式
虽然会议系统完成后我们能直接向声卡拿到PCM 数据,但毕竟我们现在拿到手的是WAV 文件,我们要识别这种格式的头文件。下面是一编转自其它网站的《WAV 格式详解》(有一定修改)
1、综述
WAVE 文件作为多媒体中使用的声波文件格式之一,它是以RIFF 格式为标准的。RIFF 是英文Resource Interchange File Format 的缩写,每个WAVE 文件的头四个字节便是“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 WAVE Chunk, 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' |
------------------------------------------------
图1 Wav 格式包含Chunk 示例
其中除了Fact Chunk 外,其他三个Chunk 是必须的。每个Chunk 有各自的ID ,位于Chunk 最开始位置,作为标示,而且均为4 个字节。并且紧跟在ID 后面的是Chunk 大小(去除ID 和Size 所占的字节数后剩下的其他字节数目),4 个字节表示,低字节表示数值低位,高字节表示数值高位。下面具体介绍各个Chunk 内容。
PS :
所有数值表示均为低字节表示低位,高字节表示高位。
2、具体介绍
RIFF WAVE Chunk
==================================
| | 所占字节数| 具体内容 |
==================================
| ID | 4 Bytes | 'RIFF' |
----------------------------------
| Size | 4 Bytes | |
----------------------------------
| Type | 4 Bytes | 'WAVE' |
----------------------------------
图2 RIFF WAVE Chunk
以'FIFF' 作为标示,然后紧跟着为size 字段,该size 是整个wav 文件大小减去ID 和Size 所占用的字节数,即FileLen - 8 = Size 。然后是Type 字段,为'WAVE' ,表示是wav 文件。
Format Chunk
====================================================================
| | 字节数 | 具体内容 |
====================================================================
| ID | 4 Bytes | 'fmt ' |
--------------------------------------------------------------------
| Size | 4 Bytes | 数值为16 或18 ,18 则最后又附加信息 |
-------------------------------------------------------------------- ----
| FormatTag | 2 Bytes | 编码方式,一般为 0x0001 | |
-------------------------------------------------------------------- |
| Channels | 2 Bytes | 声道数目,1-- 单声道;2-- 双声道 | |
-------------------------------------------------------------------- |
| SamplesPerSec | 4 Bytes | 采样频率 | |
-------------------------------------------------------------------- |
| AvgBytesPerSec| 4 Bytes | 每秒所需字节数 | |===> WAVE_FORMAT
-------------------------------------------------------------------- |
| BlockAlign | 2 Bytes | 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 | |
-------------------------------------------------------------------- |
| | 2 Bytes | 附加信息(可选,通过Size 来判断有无) | |
-------------------------------------------------------------------- ----
图3 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。
Fact Chunk
==================================
| | 所占字节数| 具体内容 |
==================================
| ID | 4 Bytes | 'fact' |
----------------------------------
| Size | 4 Bytes | 数值为 4 |
----------------------------------
| data | 4 Bytes | |
----------------------------------
图4 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 。
Data Chunk
==================================
| | 所占字节数| 具体内容 |
==================================
| ID | 4 Bytes | 'data' |
----------------------------------
| Size | 4 Bytes | |
----------------------------------
| data | | |
----------------------------------
图5 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:
---------------------------------------------------------------------
| 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 ) |
---------------------------------------------------------------------
图6 wav 数据bit 位置安排方式
3、小结
因此,根据上述结构定义以及格式介绍,很容易编写相应的wav 格式解析代码。这里具体的代码就不给出了。
二、代码的实现
根据上面的格式规定,我们把它写成一头文件wav.h
2 #define _WAV_H_
3
4 #include " types.h "
5
6 #pragma pack( 1 )
7
8 struct RIFF_HEADER
9 {
10 U8 szRiffID[ 4 ]; // 'R','I','F','F'
11 U32 dwRiffSize;
12 U8 szRiffFormat[ 4 ]; // 'W','A','V','E'
13 } ;
14
15 struct WAVE_FORMAT
16 {
17 U16 wFormatTag;
18 U16 wChannels;
19 U32 dwSamplesPerSec;
20 U32 dwAvgBytesPerSec;
21 U16 wBlockAlign;
22 U16 wBitsPerSample;
23 U16 pack; // 附加信息
24 } ;
25 struct FMT_BLOCK
26 {
27 U8 szFmtID[ 4 ]; // 'f','m','t',' '
28 U32 dwFmtSize;
29 struct WAVE_FORMAT wavFormat;
30 } ;
31
32 struct FACT_BLOCK
33 {
34 U8 szFactID[ 4 ]; // 'f','a','c','t'
35 U32 dwFactSize;
36 } ;
37
38 struct DATA_BLOCK
39 {
40 U8 szDataID[ 4 ]; // 'd','a','t','a'
41 U32 dwDataSize;
42 } ;
43
44
45 #endif
因为这是个简单的程序,我没有去规划,相就的WAV解码过程我放到main.c的main函数里做了,这是不应该的,请原谅
2 * 这是配合我的博客《JRTPLIB@Conference DIY视频会议系统》
3 * 而写的一个阶段性实验。
4 * 作者:冯富秋 tinnal
5 * 邮箱:tinnal@163.com
6 * 博客:www.cnitblog.com/tinnal/
7 * 目期:2009-01-03
8 * 版本:1.00
9 ******************************************************** */
10
11 #include " stdio.h "
12 #include " string.h "
13 #include " types.h "
14 #include " g711.h "
15 #include " wav.h "
16
17 struct RIFF_HEADER riff_header;
18 struct FMT_BLOCK fmt_block;
19 char fack_block_buffer[ 20 ]; // 20 should be enough
20 struct FACT_BLOCK fact_block;
21 struct DATA_BLOCK data_block;
22
23 int main( int argc, char ** argv)
24 {
25 FILE * wav_in;
26 FILE * wav_out;
27 U32 i;
28 U8 has_fact_block = 0 ;
29
30 unsigned char pcm_bytes[ 2 ];
31 short pcm;
32 unsigned char a_law;
33
34 long file_pos;
35
36 if (argc != 3 )
37 {
38 printf( " Usage:/n/t%s <intput file> <output file>/n " , argv[ 0 ]);
39 exit( - 1 );
40 }
41
42 wav_in = fopen(argv[ 1 ], " rb " );
43 if (wav_in == NULL)
44 {
45 printf( " Can't open input file %s/n " , argv[ 1 ]);
46 return ( - 1 );
47 }
48
49 wav_out = fopen(argv[ 2 ], " wb " );
50 if ( wav_out == NULL)
51 {
52 printf( " Can't open output file %s/n " ,argv[ 2 ]);
53 fclose(wav_in);
54 return ( - 1 );
55 }
56
57 file_pos = ftell(wav_in);
58
59 // Read RIFF_HEADER
60 fread( & riff_header, sizeof ( struct RIFF_HEADER), 1 , wav_in);
61 if ( memcmp(riff_header.szRiffID, " RIFF " , 4 ) != 0 ||
62 memcmp(riff_header.szRiffFormat, " WAVE " , 4 ) != 0 )
63 {
64 printf( " No a vaild wave file!/n " );
65 fclose(wav_in);
66 fclose(wav_out);
67 return ( - 1 );
68 }
69 file_pos = ftell(wav_in);
70
71 // Read FMT_BLOCK
72 fread( & fmt_block, sizeof ( struct FMT_BLOCK), 1 , wav_in);
73 if ( memcmp(fmt_block.szFmtID, " fmt " , 4 ) != 0 ||
74 fmt_block.dwFmtSize != 18 ||
75 fmt_block.wavFormat.wFormatTag != 0x1 ||
76 fmt_block.wavFormat.wChannels != 0x1 ||
77 fmt_block.wavFormat.dwSamplesPerSec != 8000 ||
78 fmt_block.wavFormat.wBitsPerSample != 16 )
79 {
80 printf( " Sorry this is only test program,/n "
81 " we only support follow format,/n "
82 " /t 1. Format: linear PCM /n "
83 " /t 2. Samples Rate: 8000 KHz /n "
84 " /t 3. Channels: one channel /n "
85 " /t 4. BitsPerSample: 16 /n " );
86 fclose(wav_in);
87 fclose(wav_out);
88 return ( - 1 );
89 }
90
91 file_pos = ftell(wav_in);
92
93 // Try to read FACT_BLOCK
94 file_pos = ftell(wav_in);
95 fread( & fact_block, sizeof ( struct FACT_BLOCK), 1 , wav_in);
96 if ( memcmp(fact_block.szFactID, " fact " , 4 ) == 0 )
97 {
98 has_fact_block = 1 ;
99 fread( & fack_block_buffer, fact_block.dwFactSize, 1 , wav_in);
100 }
101 else
102 fseek(wav_in, file_pos, SEEK_SET);
103
104 fread( & data_block, sizeof ( struct DATA_BLOCK), 1 , wav_in);
105 if (memcmp(data_block.szDataID, " data " , 4 ) != 0 )
106 {
107 printf( " OOh what error?/n " );
108 fclose(wav_in);
109 fclose(wav_out);
110 return ( - 1 );
111 }
112
113 // Change the wave header to write
114 riff_header.dwRiffSize -= data_block.dwDataSize / 2 ;
115
116 fmt_block.wavFormat.wFormatTag = 0x06 ;
117 fmt_block.wavFormat.wChannels = 0x01 ;
118 fmt_block.wavFormat.dwSamplesPerSec = 8000 ;
119 fmt_block.wavFormat.dwAvgBytesPerSec = 8000 ;
120 fmt_block.wavFormat.wBlockAlign = 0x01 ;
121 fmt_block.wavFormat.wBitsPerSample = 0x08 ;
122
123 data_block.dwDataSize -= data_block.dwDataSize / 2 ;
124
125 // Write wave file header
126 fwrite( & riff_header, sizeof ( struct RIFF_HEADER), 1 , wav_out);
127 fwrite( & fmt_block, sizeof ( struct FMT_BLOCK), 1 , wav_out);
128 if (has_fact_block == 1 )
129 {
130 fwrite( & fact_block, sizeof ( struct FACT_BLOCK), 1 , wav_out);
131 fwrite( & fack_block_buffer, fact_block.dwFactSize, 1 , wav_out);
132 }
133 fwrite( & data_block, sizeof ( struct DATA_BLOCK), 1 , wav_out);
134
135 // Convert pcm data to a-low data and write wav file.
136 for (i = 0 ; i < data_block.dwDataSize; i ++ )
137 {
138 pcm_bytes[ 0 ] = (U8) fgetc(wav_in);
139 pcm_bytes[ 1 ] = (U8) fgetc(wav_in);
140 pcm = * ( short * ) & pcm_bytes;
141
142 a_law = ALawEncode(( int )pcm);
143 // a_law = linear2alaw((int)pcm);
144 fputc(a_law, wav_out);
145 }
146 fclose(wav_in);
147 fclose(wav_out);
148
149 printf( " Finish!/n " );
150 return 0 ;
151 }
152
整个文件基本都是在为WAV文件格式服务而非我们的核心工作--G.711编码。唉~,我也不想。这里在面进行G.711编码的就是 ALawEncode函数。这个函数定义在g711.c里件里,这个文件函数一些我认为比较有用的函数。我们这是只把ALawEncode这个函数拿出 来。
2 unsigned char ALawEncode( int pcm16)
3 {
4 int p = pcm16;
5 unsigned a; // A-law value we are forming
6 if (p < 0 )
7 {
8 // -ve value
9 // Note, ones compliment is used here as this keeps encoding symetrical
10 // and equal spaced around zero cross-over, (it also matches the standard).
11 p = ~ p;
12 a = 0x00 ; // sign = 0
13 }
14 else
15 {
16 // +ve value
17 a = 0x80 ; // sign = 1
18 }
19
20 // Calculate segment and interval numbers
21 p >>= 4 ;
22 if (p >= 0x20 )
23 {
24 if (p >= 0x100 )
25 {
26 p >>= 4 ;
27 a += 0x40 ;
28 }
29 if (p >= 0x40 )
30 {
31 p >>= 2 ;
32 a += 0x20 ;
33 }
34 if (p >= 0x20 )
35 {
36 p >>= 1 ;
37 a += 0x10 ;
38 }
39 }
40 // a&0x70 now holds segment value and 'p' the interval number
41
42 a += p; // a now equal to encoded A-law value
43
44 return a ^ 0x55 ; // A-law has alternate bits inverted for transmission
45 }
46 // 省略的代码
47
哈哈,前一部说了这么多,其实G711编码也只是很简单的 。当然,不然VOIP怎么把它变的每个软件的必要品。
完整的程序可以从下面的链接下载:PCM2ALaw.rar