微软Wav音频文件解析

WAVE PCM 音频格式

           Wave文件是微软RIFF标准存储的多媒体文件的一种形式。一个RIFF文件包含一个文件头和多个数据块(chunks).WAVE文件是包含一个“WAVE”数据块，其包含两个子的数据块，一个是“fmt ”块，和”data”块。“fmt ”块指名数据的格式，而“data”块包含实际的取样值。下图为WAVE语音文件的经典格式：

          

注明 ：little endia:内存的低字节存放数据的地位，高字节存放数据的高位

       Big endia:内存的低字节存放数据的高位，高字节存放数据的低位。

 

Chunk, Format Chunk, Fact Chunk(可选), Data Chunk。

 

各个字段解释：

ChunkID(0-3): 占4个字节，big-endian form,用ASCII的形参存储字符串“RIFF”.

ChunkSize(4-7):占4个字节，little-endian form,它的值的大小是整个文件的大小减去ChunkID 和 ChunkSize所占的8个字节的大小。大小等于36+SubChunk2Size,或者4 + (8 + SubChunk1Size) + (8 + SubChunk2Size)

Format(8-11):占4个字节，包含字符“WAVE”.

"WAVE" format 包含两个子块：“fmt ”和“data”.

 

“fmt ”块的数据格式如下：

 Subchunk1ID(12-15) :占4个字节,包含字符”fmt ” .

Subchunk1Size:占4个字节,该字段表示该块的大小，除去Subchunk1ID 和Subchunk1Size所占的8个字节大小。对于PCM 形式的文件，该值的大小为16个字节。即下面所占的大小：

AudioFormat：占两个字节，PCM形式的文件等于1，其他的值代表某些形式的数据压缩。

NumChannels：声道数，Mono = 1, Stereo = 2

SampleRate：采样率，如8000，16000

ByteRate： 每秒的字节数，大小为：SampleRate * NumChannels*BitsPerSample/8

BlockAlign：块对齐，即所有频道一个样本所占的字节数，大小为：NumChannels*BitsPerSample/8

“data”块的数据格式如下：

Subchunk2ID：占4个字节,包含字符”data”.

Subchunk2Size:音频数据的字节数，即要读取数据的大小。值为：NumSamples * NumChannels * BitsPerSample/8

*   Data：实际的声音数据。

 

例子：72字节的WAVE文件字节序列如下：

 

 

从上图可以看出：ChunkSize的十六进制数据为：000824：十进制为：2084

字节率ByteRate:十六进制：00015888，十进制为：88200

注：WAVE文件默认的存储方式为：little-endian.若ChunkID的值为“RIFX”则为big-endian.

抽样的数据必须以偶数字节数结束。

8位的抽样数据用无符号的字节，大小从0-255(2^8-1),16位样本是用有符号的整数来存储，大小为：-32768(-2^16/2)-32767(2^16/2-1).

RIFF stands for Resource Interchange File Format

• Audio/visual interleaved data (.AVI)
• Waveform data (.WAV)

注明：在不同的CPU上，相同的数据类型占用的位数不同，如：16bit 486PC 机器，char 占8个字节，int 占 16，short or short int 占16位， long or long int 占32 位

 而在32bit Pentium pc上,char:8,int:32,short or short int :16,long or long int:32,所以为了保持软件在不同机器上的兼容性，最好用char ,short ,long

 

 

Wavread读取的数据转化为int : yi=y*2^nbits/2;

 

数据结构定义：

 typedef struct RIFF_HEADER
  {
      char szRiffID[4];//"RIFF"
      DWORD dwRiffSize;
      char szRiffFormat[4];//"WAVE"
    }RIFF_HEADER;
  
 typedef struct WAVE_FORMAT
 {  WORD wFormatTag;   
    WORD wChannels;
     DWORD dwSamplesPerSec; 
     DWORD dwAvgBytesPerSec;
     WORD wBlockAlign; 
     WORD wBitsPerSample;
 } WAVE_FORMAT; 
    
 typedef struct FMT_BLOCK 
  {  char szFmtID[4]; 
     DWORD dwFmtSize; 
    WAVE_FORMAT wavFormat;
  }FMT_BLOCK;   
 typedef  struct FACT_BLOCK 
   {       char szFmtID[4]; 
          DWORD dwFactSize;
          DWORD dwFactData;
    }FACT_BLOCK;  
   typedef  struct DATA_BLOCK
     {  char szDataID[4]; // 'd','a','t','a'  
        DWORD dwDataSize; 
   }DATA_BLOCK;