【数据压缩】第三周作业——WAV文件格式分析

1 WAV文件格式概述

WAV为微软公司（Microsoft)开发的一种声音文件格式，它符合RIFF(Resource Interchange File Format)文件规范，用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持，该格式也支持MSADPCM，CCITT A LAW等多种压缩运算法，支持多种音频数字，取样频率和声道，标准格式化的WAV文件和CD格式一样，也是44.1kHz的取样频率，16位量化数字，因此在声音文件质量和CD相差无几！

2 WAV文件结构

WAV文件是属于RIFF结构形式的文件，这种结构是一种树状结构，其最基本的组成单元是chunk（块），而每一个chunk则由辨识码，数据大小，以及数据本身组成，其中辨识码就是RIFF四个字母的ASCII码，共占用4个字节，用十六进制表示就是52 49 46 46；辨识码之后的四个字节，表示除去文件辨识码和它自己之后剩余文件的大小，最后就是文件的数据本身了，如下表和下图所示。

chunk	长度（字节）
RIFF chunk （将文件标识为WAV文件）	4（4个ASCII码）
Format chunk （识别采样率等参数）	4
Data chunk （包含实际数据）

1. RIFF chunk

含义	长度（Byte）	HEX
标识符(RIFF)	4	52 49 46 46
数据大小	4
WAVE格式辨别码	4	57 41 56 45

typedef struct RIFF chunk
{
    DWORD ChunkId;   // 块标志
    DWORD size; // 块大小
    DWORD Type; // 后续跟块介绍
}RIFF chunk;

2. fmt chunk

含义	长度（Byte）	HEX
标识符(fmt)	4	66 6D 74 20
数据大小	4	12 00 00 00
数据	18

typedef struct fmt chunk
{
    DWORD ChunkId;   // 块标志
    DWORD size; // 块大小
    WORD AudioFormat; // 表明音频格式
    WORD NumChannels;//表明声道数
    DWORD SampleRate;//采样率
    DWORD ByteRate;//每秒字节数
    WORD BlockAlign;//数据块对齐
    WORD BitsPerSample;//采样位数
}fmt chunk;

3. data chunk

含义	长度（Byte）	HEX
标识符(data)	4	64 61 74 61
波形声音值大小	4
波形声音值	4

typedef struct data chunk
{
    DWORD ChunkId;   // 块标志（以data为标识）
    DWORD size; // 数据块的长度
    nByte Data; // 具体数据
}data chunk;

3 实例分析

1. 以十六进制数据的形式打开一个WAV文件

（1）“52 49 46 46”这个是Ascii字符“RIFF”，这部分是固定格式，表明这是一个WAVE文件头。
（2）“46 C0 FF 01”，这个是我这个WAV文件的数据大小，这个大小包括除了前面4个字节的所有字节，也就等于文件总字节数减去8。16进制的“46 C0 FF 01”对应是十进制的“1,187,053,313”。
（3）“57 41 56 45 66 6D 74 20”，也是Ascii字符“WAVEfmt”，这部分是固定格式。
以后是PCMWAVEFORMAT部分

（4）“10 00 00 00”，这是一个DWORD，对应数字18，这个对应定义中的PCMWAVEFORMAT部分的大小，可以看到后面的这个段内容正好是18个字节。一般情况下大小为16，此时最后附加信息没有，上面这个文件多了两个字节的附加信息。
（5）“01 00”，这是一个WORD，对应定义为编码格式（WAVE_FORMAT_PCM格式一般用的是这个）。
（6）“02 00”，这是一个WORD，对应数字2，表示声道数为2，是个双声道Wav。

（7）“44 AC 00 00”对应数字44100，代表的是每秒的数据量，波形音频数据传送速率，其值为：通道数×每秒样本数×每样本的数据位数／8（1采样频率16/8）。播放软件利用此值可以估计缓冲区的大小。
（8）“04 00”对应数字是4，表示块对齐的内容。数据块的调整数（按字节算的），其值为通道数×每样本的数据位值／8。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。
（9）“10 00”数值为16，采样大小为16Bits，每样本的数据位数，表示每个声道中各个样本的数据位数。如果有多个声道，对每个声道而言，样本大小都一样。
（10）“4C 49”此处为附加信息（可选），和（4）中的size对应。

（11）“53 54 1A 00” Fact是可选字段，一般当wav文件由某些软件转化而成，则包含该项，“00 00 49 4E”Fact字段的大小为4字节，“46 49 4F 53”是fact数据。

4 小结

对WAV格式影响最大的参数是编码格式。采用不同的编码的WAV格式是不同的,PCM是最常见的编码格式,其它的为压缩编码格式,一般很少使用,有的已经废弃。随着人们认识的进步可能还会有新的编码格式出现。今后对WAV文件格式的更多的研究是压缩编码格式。