WAVE绘制频谱图（一）——WAVE文件基础

本文链接：https://blog.csdn.net/qq_36568418/article/details/91517965

最近有个项目涉及到PCM数据绘制频谱图，因为WAVE文件中音频为PCM，所以就拿读取WAVE文件来显示测试。

项目基本完成，记录一下当做笔记。

参考文章：https://blog.csdn.net/xiangyu5945/article/details/5524296

Wave 文件的基础知识

经常见到这样的描述: 44100HZ 16bit stereo 或者 22050HZ 8bit mono 等等.

44100HZ 16bit stereo : 每秒钟有 44100 次采样, 采样数据用 16 位(2字节)记录, 双声道(立体声);
22050HZ 8bit mono : 每秒钟有 22050 次采样, 采样数据用 8 位(1字节)记录, 单声道;

当然也可以有 16bit 的单声道或 8bit 的立体声, 等等.

人对频率的识别范围是 20HZ - 20000HZ, 如果每秒钟能对声音做 20000 个采样, 回放时就足可以满足人耳的需求. 所以 22050 的采样频率是常用的, 44100 已是 CD 音质, 超过 48000 的采样对人耳已经没有意义. 这和电影的每秒 24 帧图片的道理差不多.

每个采样数据记录的是振幅, 采样精度取决于储存空间的大小:
1 字节(也就是8bit) 只能记录 256 个数, 也就是只能对振幅做 256 种识别;
2 字节(也就是16bit) 可以细到 65536 个数, 这已是 CD 标准了;
4 字节(也就是32bit) 能把振幅细化到 4294967296 种可能性, 实在是没必要了.

如果是双声道(stereo), 采样就是双份的, 文件也差不多要大一倍.

这样我们就可以根据一个 wav 文件的大小、采样频率和采样大小估算出一个 wav 文件的长度; 譬如 "Windows XP 启动.wav" 的文件长度是 424,644 字节, 它是 "22050HZ / 16bit / 立体声" 格式(这可以从其 "属性->摘要" 里看到).
它的每秒的传输速率是 22050*16*2 = 705600(bit), 换算成字节是 705600/8 = 88200(字节);
424644(总字节数) / 88200(每秒字节数) ≈ 4.8145578(秒).

这还不够精确, 在标准的 PCM 格式的 WAVE 文件中还有 44 个字节是采样数据之外的内容, 应该去掉:
(424644-44) / (22050*16*2/8) ≈ 4.8140589(秒). 这比较精确了.

关于声音文件还有一个概念: "位速", 也有叫做比特率、取样率, 譬如上面文件的位速是 705.6kbps 或 705600bps, 其中的 b 是 bit, ps 是每秒的意思; 压缩的音频文件常常用位速来表示, 譬如达到 CD 音质的 mp3 是: 128kbps / 44100HZ.

WAVE文件的存储格式

内容参考：https://www.cnblogs.com/tocy/p/WAV_file-format.html

WAVE 文件作为Windows多媒体中使用的声音波形文件格式之一，它是以RIFF（Resource Interchange File Format）格式为标准的。这里不针对RIFF文件格式做介绍，不太了解的可以参考“RIFF格式简介”一文

WAVE文件构成

每个WAVE文件的头四个字节便是“RIFF”。WAVE 文件由文件头和数据体两大部分组成。其中文件头又分为 RIFF／WAV 文件标识段和声音数据格式说明段两部分。相对于RIFF文件，只是将“RIFF”chunk的form id替换为“WAVE”。下表是一个典型的WAVE文件各部分构成及其长度字段。注意所有数据采用windows默认的小端存储。（FOURCC是一个特殊的四字节码，判断时按照字符顺序判断即可）

PCM文件格式如下表：

Field			Length	Contents
ckID			4	Chunk ID: "RIFF"
cksize			4	Chunk size: 4 + 24 + (8 + M * Nc Ns* + (0 or 1))
	WAVEID		4	WAVE ID: "WAVE"

	ckID		4	Chunk ID: "fmt "
	cksize		4	Chunk size: 16
		wFormatTag	2	WAVE_FORMAT_PCM
		nChannels	2	Nc
		nSamplesPerSec	4	F
		nAvgBytesPerSec	4	F * M * Nc
		nBlockAlign	2	M * Nc
		wBitsPerSample	2	rounds up to 8 * M

	ckID		4	Chunk ID: "data"
	cksize		4	Chunk size: M * Nc Ns*
		sampled data	M * Nc * Ns	Nc * Ns channel-interleaved M-byte samples
		pad	0 or 1	Padding byte if M * Nc * Ns is odd