语音信号处理复习：WAV文件格式

音频简介
WAV即WAVE，是经典的Windows音频数 据封装格式，由Microsoft开发。
44100HZ 16bit stereo  22050HZ 8bit mono

采样率：声音信号在“模数转换”过程中单 位时间内采样的次数。 ：
采样值：每一次采样周期内声音模拟信号的 积分值。
单声道：11.025 KHz 采样值，8 Bit 采样值 （0x00 - 0xFF）。
双声道 ：44.1 KHz 采样值，16 Bits 采样值。 高八位表示左声道，低八位表示右声道。

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 文件的播放长 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)
但是这还不够精确, 包装标准的 PCM 格式的 WAVE 文件(*.wav)中至少带有 42 个字节的头信息, 在计算播放时间 时应该将其去掉: 所以就有：(424644-42) / (22050162/8) ≈ 4.8140816(秒). 这样 就比较精确了

WAVE文件是以RIFF(Resource Interchange File 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

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。每个chunk 由“标志符”、“数据大小”及“数据” 所组成

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 字节目),4个字节表示

文件头 RIFF/WAV 文件标识段 声音数据格式说明段
数据体：由 PCM（脉冲编码调制）格式表示的 样本组成。 单声道 WAV 文件中，声道0代表左声道，声道1 代表右声道；多声道 WAV 文件中，左右声道的 样本是交替出现的


As an example, here are the opening 72 bytes of a WAVE file with bytes shown as hexadecimal numbers: 52 49 46 46 24 08 00 00 57 41 56 45 66 6d 74 20 10 00 00 00 01 00 02 00 22 56 00 00 88 58 01 00 04 00 10 00 64 61 74 61 00 08 00 00 00 00 00 00 24 17 1e f3 3c 13 3c 14 16 f9 18 f9 34 e7 23 a6 3c f2 24 f2 11 ce 1a 0d …





以上面的WAV文件为例，要抽取出声音的PCM波形 时，先要找到标示为「fmt」的子区块(sub_ chunk)， 知道所存的波形是PCM格式，它有两个声道，取样 频率为44,100 Hz，每个取样为16位。 接下去找到标示为「data」的子区块，知道后面 接着的是24,877,696个byte的左右两声道波形数 据。