嵌入式linux录音保存wav,嵌入式 wave文件(*.wav)格式、PCM数据格式

1.

音频简介

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。

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(左声道)和低八位(右声道)分别代表两个声道。

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, 也就是只能将振幅划分成 256 个等级;

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) 能把振幅细分到 4294967296 个等级, 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),

那么它的每秒的传输速率(位速,

也叫比特率、取样率)是 22050*16*2 =

705600(bit/s),换算成字节单位就是 705600/8 =

88200(字节/秒), 播放时间：424644(总字节数) / 88200(每秒字节数) ≈ 4.8145578(秒)。

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) /

(22050*16*2/8) ≈ 4.8140816(秒). 这样就比较精确了.

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.

2.

wave文件格式

2.1

概述

WAVE文件是计算机领域最常用的数字化声音文件格式之一，它是微软专门为Windows系统定义的波形文件格式(Waveform

Audio)，由于其扩展名为"*.wav"。

WAVE是录音时用的标准的WINDOWS文件格式，文件的扩展名为“WAV”，数据本身的格式为PCM或压缩型。

WAV文件格式是一种由微软和IBM联合开发的用于音频数字存储的标准，它采用RIFF文件格式结构，非常接近于AIFF和IFF格式。符合

PIFF Resource Interchange File

Format规范。所有的WAV都有一个文件头，这个文件头音频流的编码参数。

WAV对音频流的编码没有硬性规定，除了PCM之外，还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码。

多媒体应用中使用了多种数据，包括位图、音频数据、视频数据以及外围设备控制信息等。RIFF为存储这些类型的数据提供了一种方法，RIFF文件所包含的数据类型由该文件的扩展名来标识，能以RIFF文件存储的数据包括：

音频视频交错格式数据(.AVI)

、波形格式数据(.WAV) 、位图格式数据(.RDI) 、MIDI格式数据(.RMI) 、调色板格式(.PAL)

、多媒体电影(.RMN) 、动画光标(.ANI) 、其它RIFF文件(.BND)。

wave文件有很多不同的压缩格式，所以，正确而详细地了解各种WAVE文件的内部结构是成功完成压缩和解压缩的基础，也是生成特有音频压缩格式文件的前提。

最基本的WAVE文件是PCM(脉冲编码调制)格式的，这种文件直接存储采样的声音数据没有经过任何的压缩，是声卡直接支持的数据格式，要让声卡正确播放其它被压缩的声音数据，就应该先把压缩的数据解压缩成PCM格式，然后再让声卡来播放。

2.2

Wave文件的内部结构

注：由于WAV格式源自Windows/Intel环境，因而采用Little-Endian字节顺序进行存储。

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。块的结构如表1所示：

名称

Size

备注

块标志符

4

４个小写字符(如 "fmt ",

"fact", "data" 等)

数据大小

4

DWORD类型,表示后接数据的大小(N

Bytes)

数据

N

本块中正式数据部分

表１：基本chunk的内部结构

上面说到的“类型块标识”只在部分chunk中用到，如

"WAVE" chunk中，这时表示下面嵌套有别的chunk。

当使用了

"类型块标识"

时，该chunk就没有别的项(如块标志符，数据大小等)，它只作为文件读取时的一个标识。先找到这个“类型块标识”，再以它为起点读取它下面嵌套的其它chunk。

每个文件最前端写入的是RIFF块，每个文件只有一个RIFF块。从

Wave文件格式详细说明 中可以看到这一点。

非PCM格式的文件会至少多加入一个

"fact" 块，它用来记录数据(注意是数据而不是文件)解压缩后的大小。这个 "fact" 块一般加在 "data"

块的前面。

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。具体见下图：

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

| RIFF WAVE

Chunk |

| ID =

"RIFF" |

| RiffType =

"WAVE" |

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

| Format

Chunk |

| ID = "fmt

" |

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

| Fact

Chunk(optional) |

| ID =

"fact" |

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

| Data

Chunk |

| ID =

"data" |

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

图 Wav格式包含Chunk示例

Fact

Chunk

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

| |所占字节数| 具体内容 |

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

| ID | 4Bytes

| "fact" |

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

| Size | 4Bytes

| 4 |

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

| data | 4Bytes |解压后的音频数据的大小(B)|

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

图 Fact Chunk

2.3

Wave文件格式详细说明

别名 字节数 类型 注释

ckid 4 char "RIFF" 标志, 大写

cksize 4 int32 文件长度。这个长度不包括"RIFF"标志 和

文件长度 本身所占字节, 下面的

子块大小也是这样。

fcc

type 4 char "WAVE" 类型块标识, 大写。

ckid 4 char 表示"fmt" chunk的开始。此块中包括文

件内部格式信息。小写, 最后一个

字符是空格。

cksize 4 int32 文件内部格式信息数据的大小。

FormatTag 2 int16 音频数据的编码方式。1 表示是 PCM 编码

Channels 2 int16 声道数，单声道为1，双声道为2

SamplesPerSec

4 int32 采样率(每秒样本数), 比如 44100 等

BytesPerSec 4 int32 音频数据传送速率, 单位是字节。其值为

采样率×每次采样大小。播放软件

利用此值可以估计缓冲区的大小。

BlockAlign 2 int16 每次采样的大小 = 采样精度*声道数/8(单

位是字节); 这也是字节对齐的最

小单位, 譬如 16bit 立体声在这

里的值是 4 字节。播放软件需要

一次处理多个该值大小的字节数

据，以便将其值用于缓冲区的调整。

BitsPerSample

2 int16 每个声道的采样精度; 譬如 16bit 在这

里的值就是16。如果有多个声道，则

每个声道的采样精度大小都一样的。

[cbsize] 2 int16 [可选]附加数据的大小。

[...] x

[ckid] 4 char "fact".

[cksize] 4 int32 "fact" chunk data size.

[fact

data] 4 int32 解压后的音频数据的大小(Bytes).

ckid 4 char 表示 "data" chunk的开始。此块中包含

音频数据。小写。

cksize 4 int32 音频数据的长度

...... 文件声音信息数据(真正声音存储部分)

[......] 其它 chunk

2.4

Windows平台上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：

1 typedefstruct2 {3 WORD wFormatag;//编码格式，包括WAVE_FORMAT_PCM，WAVEFORMAT_ADPCM等4 WORD nChannls;//声道数，单声道为1，双声道为2;5 6 DWORD nSamplesPerSec;//采样频率；7 8 DWORD nAvgBytesperSec；//每秒的数据量；9 10 WORD nBlockAlign;//块对齐；11 12 WORD wBitsPerSample;//WAVE文件的采样大小；13 14 WORD cbSize;//The count in bytes of the size of extra15 //information(after cbSize). PCM中忽略此值16 } WAVEFORMATEX;

IMAADPCMWAVEFORMAT结构定义如下：

1 Typedefstruct2 {3 WAVEFORMATEX wfmt;4 5 WORD nSamplesPerBlock;6 7 } IMAADPCMWAVEFORMAT;

IMA-ADPCM中的的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。

"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：

1

2

3

4

5

6

7

8

9

typedef struct{

char[4];

//“fact”字符串

DWORD chunksize;

DWORD datafactsize;

// 音频数据转换为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！

2.5 "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)。这些数据可以是压缩的，也可以是没有压缩的。

3.

PCM数据格式

PCM(Pulse Code

Modulation)也被称为

脉码编码调制。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。如图所示:

PCM的每个样本值包含在一个整数i中，i的长度为容纳指定样本长度所需的最小字节数。

首先存储低有效字节，表示样本幅度的位放在i的高有效位上，剩下的位置为0，这样8位和16位的PCM波形样本的数据格式如下所示。

样本大小 数据格式 最小值 最大值

8位PCM unsigned

int 0 225

16位PCM int -32767 32767

参考资料：