PCM音频文件(.wav)压缩成ADPCM(.wav)

 PCM音频文件压缩成adpcm格式的文件有多中方法（如使用ms ACM、sox等），本文主要介绍使用公开的算法（如下所示，如果需要可到网上搜一下：

=======================================

** Intel/DVI ADPCM coder/decoder.
**
** The algorithm for this coder was taken from the IMA Compatability Project
** proceedings, Vol 2, Number 2; May 1992.
**
** Version 1.2, 18-Dec-92.

=======================================）进行PCM到ADPCM转换的方法。

 

首先，要了解一下PCM格式和ADPCM格式的.wav文件的构成，可参考：

非PCM格式的文件会至少多加入一个“fact”块，它用来记录数据解压缩后的大小。（注意是数据而不是文件）这个“fact”块一般加在“data”块的前面。

１．PCM格式的wav文件的内部结构

２．WAVEFORMAT结构的认识

PCM和非PCM的主要区别是声音数据的组织不同，这些区别可以通过两者的WAVEFORMAT结构来区分。下面以PCM和IMA-ADPCM来进行对比：

WAVE的基本结构WAVEFORMATEX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；

WORD  wBitsPerSample;//WAVE文件的采样大小；

WORD  sbSize;        //PCM中忽略此值

}WAVEFORMATEX；

PCM的结构就是基本结构；

IMAADPCMWAVEFORMAT结构定义如下：

Typedef struct

{

    WAVEFORMATEX wfmt;

    WORD nSamplesPerBlock;

}IMAADPCMWAVEFORMAT;

IMA-ADPCM的wfmt->cbsize不能忽略，一般取值为2，表示此类型的WAVEFORMAT比一般的WAVEFORMAT多出2个字节。这两个字符也就是nSamplesPerBlock。

3.“fact”chunk的内部组织

在非PCM格式的文件中,一般会在WAVEFORMAT结构后面加入一个“fact”chunk,结构如下：

typedef struct{

    char[4];          //“fact”字符串

       DWORD chunksize;

       DWORD datafactsize;    //数据转换为PCM格式后的大小。

}factchunk;

datafactsize是这个chunk中最重要的数据，如果这是某种压缩格式的声音文件，那么从这里就可以知道他解压缩后的大小。对于解压时的计算会有很大的好处！

4．“data”chunk的内部组织

从“data”chunk的第9个字节开始，存储的就是声音信息的数据了，(前八个字节存储的是标志符“data”和后接数据大小size(DWORD)。这些数据可能是压缩的，也可能是没有压缩的。

PCM中的声音数据没有被压缩，如果是单声道的文件，采样数据按时间的先后顺序依次存入。（它的基本组织单位是BYTE(8bit)或WORD(16bit)）如果是双声道的文件，采样数据按时间先后顺序交叉地存入。

 

IMA-ADPCM是压缩格式，它是从PCM的16位采样压缩成4位的。对于单声道的IMA-ADPCM来说，它是将PCM的数据按时间次序依次压缩并写入文件中的，每个byte中含两个采样，低四位对应第一个采样，高四位对应第二个采样。而对于双声道的IMA-ADPCM来说，它的存储相对就麻烦一些了，它是将PCM的左声道的前8个采样依次压缩并写入到一个DWORD中，然后写入“data”chunk里。紧接着是右声道的前8个采样。以此循环，当采样数不足8时（到数据尾端），应该把多出来的采样用0填充。

在IMA-ADPCM中，“data”chuck中的数据是以block形式来组织的，我把它叫做“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，这样有一个十分重要的好处：那就是在只需要文件中的某一段信息时，可以在解压缩时可以只解所需数据所在的段就行了，没有必要再从文件开始起一个一个地解压缩。这对于处理大文件将有相当的优势。同时，这样也可以保证声音效果。

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;

 

以上内容参考http://blog.csdn.net/kindyb/archive/2005/10/13/503024.aspx，对此表示感谢。

===================================================================

 

接下来，就是要实现从PCM到ADPCM的转换了。(以8KHz,16Bits,单声道为例)

 

 定义结构：

#define ADPCM_BLOCKSIZE 252  //256 - 4;

typedef unsigned long  ULONG;
typedef unsigned short USHORT;
typedef unsigned char  BYTE;

typedef struct {
 long           chunkid;
 long           chunksize;
 long     wave_id;
} RIFFCHUNK;

typedef struct tagDATA
{
 long ID;
 unsigned long Size;
}DATA;

typedef struct
{
 long          chunkid;
 unsigned long  chunksize;
 unsigned long  timelength;
} FACTCHUNK;

typedef struct tagWaveFormat{
 //long chunkSize;
 short          wFormatTag;
 unsigned short wChannels;
 unsigned long  dwSamplesPerSec;
 unsigned long  awAvgBytesPerSec;
 unsigned short wBlockAlign;
 unsigned short wBitsPerSample;
 unsigned short cbsize;

 int  headerSize ;
    long dataLength ;
} WAVEFMT;

typedef struct
{
 RIFFCHUNK      riff;
 long          chunkid;
 unsigned long  chunksize;
 USHORT wformattag; /* format type */
 USHORT nchannels; /* number of channels (i.e. mono, stereo...) */
 ULONG nsamplespersec; /* sample rate */
 ULONG navgbytespersec; /* for buffer estimation */
 USHORT nblockalign; /* block size of data */
 USHORT wbitspersample; /* number of bits per sample of mono data */
 USHORT cbsize; /* the count in bytes of the extra size */
 USHORT wsamplesperblock;
 
 FACTCHUNK fact;
 DATA   data;
}INTELADPCM_HEADER;

 

 

void adpcmEncoder()
{
    FILE *inFile, *outFile;

 

    inFile = fopen("c://input.wav", "rb");
    if (!inFile)
    {
        printf("can't open the input file.");
        return -2;
    }

 WAVEFMT waveFmt;
  if(!checkWaveFileHeaderFormat(inFile, &waveFmt)) {
  printf("input file's format is wrong.");
  return -1;
 }

 outFile = fopen("c://output.wav", "wb+");
 if (!outFile)
    {
        printf("can't open the output file.");
        return -2;
    }

 setAdpcmHeader(outFile, waveFmt.dataLength);

 int len;
 short inData[ADPCM_BLOCKSIZE * 2];
 BYTE outData[ADPCM_BLOCKSIZE];
 adpcm_state state;
 state.index = 0;
 state.valprev = 0;
 long samples = waveFmt.dataLength;
 while (samples > 0)
 {
  /* Read two frames worth of samples */
  len = fread(inData, (size_t )1, sizeof (inData), inFile);
  if (len <= 0)
  {
   perror("error reading input");
   exit(1);
  }
  samples -= len;
  if (len < sizeof (inData))
  {
   printf("memset. /n");
   memset((char *)inData + len, 0, sizeof (inData) - len);
  }
  fwrite(&state, 4, 1, outFile);
  len = adpcm_coder(inData, outData, len / 2, &state);
  writeFile(outFile, outData, len);// 此处高低位要互换
  }
 fclose(inFile);
 fclose(outFile);

 return 0;
}

 

void setAdpcmHeader( FILE *outFile, ULONG dataSize)
{
 ULONG   flen = 0;
 INTELADPCM_HEADER   adpcmhead;
 
 adpcmhead.riff.chunkid = WAV_ID_RIFF;//4BYTE
 adpcmhead.riff.wave_id = WAV_ID_WAVE;//4BYTE
 adpcmhead.chunkid = WAV_ID_FMT;//4BYTE
 adpcmhead.chunksize = 0x14;//2BYTE
 adpcmhead.wformattag = 0x11;//2BYTE
 adpcmhead.nchannels = 1;//2BYTE
 adpcmhead.nsamplespersec = 8000;//4BYTE
 adpcmhead.navgbytespersec = 4055;// = nsamplespersec / wsamplesperblock  *nblockalign, 可调，我用4064效果更好
 adpcmhead.nblockalign = 0x100;//2BYTE
 adpcmhead.wbitspersample = 4;//2BYTE  
 adpcmhead.cbsize = 2;//2BYTE
 adpcmhead.wsamplesperblock = 505;// 为什么是这个数？没搞明白
 
 adpcmhead.fact.chunkid = WAV_ID_FACT;
 adpcmhead.fact.chunksize = 4;
 adpcmhead.data.ID = WAV_ID_DATA;
 
 int adpcmDataSize = (dataSize / (ADPCM_BLOCKSIZE * 4)) * (ADPCM_BLOCKSIZE + 4); //blockcount * 256

 

 // 判断最后的一个block是否是1008（252*4）byte，如果不是，按实际大小设置

 int lastBlockSize = dataSize % (ADPCM_BLOCKSIZE * 4);
 if(lastBlockSize > 0)
 {
  adpcmDataSize += lastBlockSize / 4 + 4（sizeof（state））;
 }
 adpcmhead.riff.chunksize = adpcmDataSize + sizeof(INTELADPCM_HEADER) - 8 ;
 adpcmhead.fact.timelength = dataSize / 2;
 adpcmhead.data.Size = adpcmDataSize;
 
 fwrite( &adpcmhead, sizeof(adpcmhead), 1, outFile);
}

 

以上只是给出了部分关键的source，其他的按照以上的介绍完善以下即可。