PCM音频

来自：http://www.cnitblog.com/tinnal/archive/2009/01/03/53401.html

 

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

1 #ifndef _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

  1 /**/ /*******************************************************
  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.
136for(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    return0;
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。

1 // 省略的代码
2 unsigned char ALawEncode( int pcm16)
3 {
4    int p = pcm16;
5    unsigned a;  // A-law value we are forming
6if(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。