关于wav文件格式的分析

 WAVE文件的格式，简单地说，就是文件头加上PCM数据。PCM数据已经是音频的裸数据，我们只需要搞清楚这个文件头的格式就行了。

解释代码如下：

        BYTE *pb = (BYTE *)_alloca(m_cbHeader);

        RIFFLIST  *pRiffWave = (RIFFLIST *)pb;
        RIFFCHUNK *pRiffFmt  = (RIFFCHUNK *)(pRiffWave + 1);
        RIFFCHUNK *pRiffData = (RIFFCHUNK *)(((BYTE *)(pRiffFmt + 1)) +
                               m_pInput->CurrentMediaType().FormatLength());

        pRiffWave->fcc = FCC('RIFF');
        pRiffWave->cb = m_cbWavData + m_cbHeader - sizeof(RIFFCHUNK);
        pRiffWave->fccListType = FCC('WAVE');

 

        pRiffFmt->fcc = FCC('fmt ');
        pRiffFmt->cb = m_pInput->CurrentMediaType().FormatLength();
        CopyMemory(pRiffFmt + 1, m_pInput->CurrentMediaType().Format(), pRiffFmt->cb);

   

 

        pRiffData->fcc = FCC('data');
        pRiffData->cb = m_cbWavData;

       

首先，一般是一个RIFFLIST数据结构，定义如下：
typedef   struct   _rifflist   {
      FOURCC   fcc;
      DWORD     cb;
      FOURCC   fccListType;
      }   RIFFLIST,   *   LPRIFFLIST;
其中，fcc赋值为FCC( 'RIFF ')，fccListType赋值为FCC( 'WAVE ')，cb表示为这个数据结构后面紧跟着的所有数据的总长度（不包括当前这个数据结构的大小，以字节为单位）。

接下去，是一个RIFFCHUNK数据结构，描述音频的格式，定义如下：
typedef   struct   _riffchunk   {
      FOURCC   fcc;
      DWORD     cb;
      }   RIFFCHUNK,   *   LPRIFFCHUNK;
其中，fcc赋值为FCC( 'fmt   ')，cb表示为紧跟在这个数据结构后面的音频格式数据块的长度，一般为sizeof(WAVEFORMATEX)。

接下去，紧跟着一个音频格式数据块，一般为WAVEFORMATEX格式，定义如下：
typedef   struct   waveformat_extended_tag   {
        WORD     wFormatTag;            
        WORD     nChannels;              
        DWORD   nSamplesPerSec;    
        DWORD   nAvgBytesPerSec;  
        WORD     nBlockAlign;          
        WORD     wBitsPerSample;    
        WORD     cbSize;                    
}   WAVEFORMATEX;
这个数据结构中的各个成员大家应该很熟悉，主要描述音频的采样频率、通道数等属性。声卡根据这些信息才能正确解释后面的PCM数据。

再往下，紧跟着另一个RIFFCHUNK数据结构，定义同上。这个数据结构的fcc赋值为FCC( 'data ')，cb表示为这个数据结构后面紧跟着的PCM数据的长度。

最后，紧跟着的，就都是PCM数据了。

 

---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

 

WAVE 文件作为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。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。WAVE文件各部分内容及格式见后文。

常见的声音文件主要有两种，分别对应于单声道（11.025KHz 采样率、8Bit 的采样值）和双声道（44.1KHz 采样率、16Bit 的采样值）。采样率是指：声音信号在“模→数”转换过程中单位时间内采样的次数。采样值是指每一次采样周期
内声音模拟信号的积分值。

对于单声道声音文件，采样数据为八位的短整数（short int 00H-FFH）；而对于双声道立体声声音文件，每次采样数据为一个16位的整数（int），高八位和低八位分别代表左右两个声道。

WAVE 文件数据块包含以脉冲编码调制（PCM）格式表示的样本。WAVE 文件是由样本组织而成的。在单声道 WAVE 文件中，声道0代表左声道，声道1代表右声道。在多声道WAVE文件中，样本是交替出现的。

WAVE 文件除了前面一小段文件头对数据组织进行说明之外，Data 块就是声音的原始采样数据，WAVE 文件虽然可以压缩，但一般都使用不压缩的格式。44.1KHz 采样率、16Bit的分辨率、双声道，所以WAVE可以保存音质要求非常高的声音文件，CD 采用的也是这种格式，声音方面的专家或是音乐发烧友们应该非常熟悉。但这种文件的体积也非常大，以 44.1KHz 16bit 双声道的数据为例，一分钟的声音数据量为：4100*2byte*2channel*60s/1024/1024=10.09M 。所以不合适在网上传送。

---

 

下面我们具体地分析 WAVE 文件的格式

endian	field name	Size
big	ChunkID	4	文件头标识，一般就是" RIFF" 四个字母
little	ChunkSize	4	整个数据文件的大小，不包括上面ID和Size本身
big	Format	4	一般就是" WAVE" 四个字母
big	SubChunk1ID	4	格式说明块，本字段一般就是"fmt "
little	SubChunk1Size	4	本数据块的大小，不包括ID和Size字段本身
little	AudioFormat	2	音频的格式说明
little	NumChannels	2	声道数
little	SampleRate	4	采样率
little	ByteRate	4	比特率，每秒所需要的字节数
little	BlockAlign	2	数据块对齐单元
little	BitsPerSample	2	采样时模数转换的分辨率
big	SubChunk2ID	4	真正的声音数据块，本字段一般是"data"
little	SubChunk2Size	4	本数据块的大小，不包括ID和Size字段本身
little	Data	N	音频的采样数据

以下是对各个字段的详细解说：

ChunkID	4bytes	ASCII 码表示的“RIFF”。（0x52494646）
ChunkSize	4bytes	36+SubChunk2Size，或是 4 + ( 8 + SubChunk1Size ) + ( 8 + SubChunk2Size )， 这是整个数据块的大小（不包括ChunkID和ChunkSize的大小）
Format	4bytes	ASCII 码表示的“WAVE”。（0x57415645）
SubChunk1ID		新的数据块（格式信息说明块） ASCII 码表示的“fmt ”——最后是一个空格。（0x666d7420）
SubChunk1Size	4bytes	本块数据的大小（对于PCM，值为16）。
AudioFormat	2bytes	PCM = 1 （比如，线性采样），如果是其它值的话，则可能是一些压缩形式
NumChannels	2bytes	1 => 单声道  |  2 => 双声道
SampleRate	4bytes	采样率，如 8000，44100 等值
ByteRate	4bytes	等于： SampleRate * numChannels * BitsPerSample / 8
BlockAlign	2bytes	等于：NumChannels * BitsPerSample / 8
BitsPerSample	2bytes	采样分辨率，也就是每个样本用几位来表示，一般是 8bits 或是 16bits
SubChunk2ID	4bytes	新数据块，真正的声音数据 ASCII 码表示的“data ”——最后是一个空格。（0x64617461）
SubChunk2Size	4bytes	数据大小，即，其后跟着的采样数据的大小。
Data	N bytes	真正的声音数据

对于Data块，根据声道数和采样率的不同情况，布局如下（每列代表8bits）：

1. 8 Bit 单声道：

采样1	采样2
数据1	数据2

2. 8 Bit 双声道

采样1		采样2
声道1数据1	声道2数据1	声道1数据2	声道2数据2

1. 16 Bit 单声道：

采样1		采样2
数据1低字节	数据1高字节	数据1低字节	数据1高字节

2. 16 Bit 双声道

采样1
声道1数据1低字节	声道1数据1高字节	声道2数据1低字节	声道2数据1高字节
采样2
声道1数据2低字节	声道1数据2高字节	声道2数据2低字节	声道2数据2高字节

 

下面我们看一个具体的例子，声音文件如下：

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 

对应的分析如下图所示：