Wav文件格式解析

WAV文件格式说明

―― form杨少军

WAVE文件是以RIFF(Resource InterchangeFile Format,"资源交互文件格式")格式来组织内部结构的。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，最顶端是一个“RIFF”块，下面的每个块有“类型块标识(可选)”、“标志符”、“数据大小”及“数据”等项所组成，其中，format chunk和data chunk是必需要的，其它的chunk可选。在data chunk中存放的数据可能是压缩的也可能是非压缩的，这是根据format chunk中的wFormatTag来决定的，如果wFormatTag为WAVE_FORMAT_PCM时，表示数据为非压缩的，其它的为压缩的。在非压缩格式时，存放的数据就是PCM码；而在采用压缩格式时，由于各个公司都有自己的压缩算法，没有一个统一的标准，所以压缩制式非常杂。下面主要以INTEL 公司的IMA-ADPCM压缩算法来讲WAV文件的结构。

1.     WAV文件内部结构

在讲WAV文件结构时，主要以非压缩格式和以INTEL 公司的IMA-ADPCM压缩算法来论述。下面来谈谈INTEL 公司的IMA-ADPCM压缩算法。

IMA-ADPCM 是Intel公司首先开发的是一种主要针对16bit采样波形数据的有损压缩算法, 压缩比为 4:1.它与通常的DVI-ADPCM是同一算法。它是将声音流中每次采样的 16bit 数据以 4bit 存储。具体的压缩算法可以参看其它文章。

WAV文件的内部结构如表所示：

	字节数	数据类型	变量名	内容
	4	Char	RIFF[4]	“RIFF”标志
	4	DWORD	ChunkSize	文件的大小，不包含前8个byte
	4	Char	Fmt[4]	“WAVE”标志
Fact Chunk	4	Char	FactChunkID[4]	在wFormatTag为非WAVE_FORMAT_PCM标志时，有Fact chunk
	4	DWORD	FactChunkSize	Fact chunk的长度，不包括FactChunkID，FactChunkSize。故为4
	4	DWORD	dwSamplesLength	表示转化后总共的采样点数
Format Chunk	4	Char	FormatChuckID	“fmt ”标志
	4	DWORD	FormatChuckSize	Format chunk的大小，共有20个byte
	2	WORD	wFormatTag	Format类型，在采用INTEL IMA-ADPCM压缩算法时，为0x00 11
	2	WORD	nChannels	通道数
	4	DWORD	nSamplesPerSec	采样率
	4	DWORD	nAvgBytesPerSec	每秒的数据流量，以byte计
	2	WORD	nBlockAlign	在data block中的block大小
	2	WORD	wBitsPerSample	每个采样点多少位，指压缩后的位数
	2	WORD	cbSize	额外的字节数，即下面的一个WORD（在wFormatTag为非WAVE_FORMAT_PCM标志时）
	2	WORD	wSamplesPerBlock	每一个data block的采样点数
Data Chunk	4	Char	DataChunkID	“data”标志
	4	DWORD	DataChunkSize	所有的data block的大小，不包括ID和Size的8个byte
	nBlockAlign	Data block 0	Block header
			Data
	nBlockAlign	。。。。。。	。。。。。。
			。。。。。。
	nBlockAlign	Data block n	Block header
			Data

在wFormatTag为WAVE_FORMAT_PCM时，没有Fact Chunk，也没有format chunk中的wSamplesPerBlock，data chunk中紧跟着DataChunkSize后的就是PCM数据了。而在wFormatTag为WAVE_FORMAT_DVI_ADPCM时，表示采用INTEL公司的IMA-ADPCM压缩算法，WAV文件格式即为上表所示。

在采用IMA-ADPCM压缩算法时，“data”chuck中的数据是以block形式来组织的，把它叫做“段”，也就是说在进行压缩时，并不是依次把所有的数据进行压缩保存，而是分段进行的。Data Block一般是由block header (block头) 和 data 两者组成的。其中block header是一个结构，它在单声道下的定义如下：

Typedef struct

{

    short sample0;    //block中第一个采样值（未压缩）

    BYTE index;     //上一个block最后一个index，第一个block的index=0;

    BYTE reserved;   //尚未使用

}MonoBlockHeader;

有了blockheader的信息后，就可以不需要知道这个block前面和后面的数据而轻松地解出本block中的压缩数据。对于双声道，它的blockheader应该包含两个MonoBlockHeader其定义如下：

typedaf struct

{

    MonoBlockHeader leftbher;

    MonoBlockHeader rightbher;

}StereoBlockHeader;

在解压缩时，左右声道是分开处理的，所以必须有两个MonoBlockHeader;

----from  hzq

//波形文件的文件头,占用44Byte，文件头后为波形数据区

struct FORMAT_WAV
{
long ChunkID;               //“RIFF”
long ChunkSize;           //chunk（大块）的数量,wav文件的总大小，单位字节
long Format;                  //“WAVE”
long Subchunk1ID;      //“fmt”  第一个chunk的ID
long Subchunk1Size;   //第一个chunk的Size
short AudioFormat;       //音频格式
short NumChannels;   //声道的数量
long SampleRate;         //采样率
long ByteRate;               //比特率
short BlockAlign;           //块对齐
short BitsPerSample;  //每个采样点的位宽
long Subchunk2ID;      //"data" 第二个chunk的ID
long Subchunk2Size;   //第二个chunk的Size，波形数据的大小，单位为字节

}

};