音频之WAV格式编码解析

学习目标：

音频之WAV格式编码解析

学习内容：

• 介绍
  WAV是最常见的声音文件格式之一，wav文件分为两个部分，第一个部分是wav头文件，第二个部分是PCM编码的音频数据部分。是微软公司专门为Windows开发的一种标准数字音频文件，该文件能记录各种单声道或立体声的声音信息，并能保证声音不失真。但WAV文件有一个致命的缺点，就是它所占用的磁盘空间太大（每分钟的音乐大约需要12兆磁盘空间）。它符合资源互换文件格式（RIFF）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。
• WAV格式

名称	占用字节数	计算公式	对应16进制	解释
ChunkId	4	固定	0x 52 49 46 46	RIFF标准头部标识
ChunkSize	4	4+(8+subchunk1Size)+(8+subchunk2Size）	0x 00 64 0D 00	标识后面整个编码的大小
Format	4	固定	0x 57 41 56 45	WAVE标准头部标识
Subchunk1 ID	4	固定为 fmt或者chunk	0x 66 6D 74 20	可以为fmt或者chunk
Subchunk1 Size	4	/	0x 10 00 00 00	/
AudioFormat	2	/	0x 01 00	pcm=1(线性量化)
NumChannels	2	/	0x 02 00	声道数
SampleRate	4	/	0x 44 AC 00 00	采样率(8000,44100等)
ByteRate	4	sampleRate * NumChannels * BitsPerSample/8	0x 10 B1 02 00	/
BolckAlign	2	numChannels * BitsPerSample/8	0x 04 00	/
BitsPerSample	2	/	0x 10 00	每个采样点的对应位数
Subchunk2 ID	4	固定	0x 64 61 74 61	“data”标志位
Subchunk2 Size	4	numSamples * numChannels * BitsPerSample(音频文件的长度) / 8	0x DC 63 0D 00	pcm音频数据的长度字节数
data	/	/	其他数据的部分	pcm音频数据

注意：
上面表格中的除了固定的和data部分以外的，我们在使用的时候都需要转换， 举个例子，比如我们想知道采样率

0x 44 AC 00 00
转换
0x 00 00 AC 44
= 44100

为什么会出现上面我们需要转化的情况，因为编码在存储的时候就需要进行一些操作，下面用伪代码进行演示:

//这样就是会实现按字节倒叙存储
header[24] = (byte) (SampleRate & 0xff);
header[25] = (byte) ((SampleRate >> 8) & 0xff);
header[26] = (byte) ((SampleRate >> 16) & 0xff);
header[27] = (byte) ((SampleRate >> 24) & 0xff);

理解了之后，我们就可以分析一段音频数据了，大概你会在心中有以下这么一张图。
图和表格结合看

所以添加 WAV头部 Java代码如下：

  /**
     * 添加wav文件头
     */
    private void writeWaveFileHeader(long totalAudioLen,long totalDataLen, long longSampleRate, int channels, long byteRate){
        byte[] header = new byte[44];
        //RIFF/WAVE header
        header[0] = 'R';
        header[1] = 'I';
        header[2] = 'F';
        header[3] = 'F';
        //
        header[4] = (byte) (totalDataLen & 0xff);
        header[5] = (byte) ((totalDataLen >> 8) & 0xff);
        header[6] = (byte) ((totalDataLen >> 16) & 0xff);
        header[7] = (byte) ((totalDataLen >> 24) & 0xff);
        //WAVE
        header[8] = 'W';
        header[9] = 'A';
        header[10] = 'V';
        header[11] = 'E';
        // fmt 或 chunk
        header[12] = 'f';
        header[13] = 'm';
        header[14] = 't';
        header[15] = ' ';
        // 4 bytes: size of 'fmt ' chunk
        header[16] = 16;
        header[17] = 0;
        header[18] = 0;
        header[19] = 0;
        // format = 1
        header[20] = 1;
        header[21] = 0;
        header[22] = (byte) channels;
        header[23] = 0;
        //采样率
        header[24] = (byte) (longSampleRate & 0xff);
        header[25] = (byte) ((longSampleRate >> 8) & 0xff);
        header[26] = (byte) ((longSampleRate >> 16) & 0xff);
        header[27] = (byte) ((longSampleRate >> 24) & 0xff);
        //
        header[28] = (byte) (byteRate & 0xff);
        header[29] = (byte) ((byteRate >> 8) & 0xff);
        header[30] = (byte) ((byteRate >> 16) & 0xff);
        header[31] = (byte) ((byteRate >> 24) & 0xff);
        // block align
        header[32] = (byte) (2 * 16 / 8);
        header[33] = 0;
        // bits per sample
        header[34] = 16;
        header[35] = 0;
        //data
        header[36] = 'd';
        header[37] = 'a';
        header[38] = 't';
        header[39] = 'a';
        //音频文件长度
        header[40] = (byte) (totalAudioLen & 0xff);
        header[41] = (byte) ((totalAudioLen >> 8) & 0xff);
        header[42] = (byte) ((totalAudioLen >> 16) & 0xff);
        header[43] = (byte) ((totalAudioLen >> 24) & 0xff);
    }

另外，我们的data部分的音频数据(pcm裸流数据)摆放的时候也有规则的，规则如下图

• pcm = 8位：总的来看是左声道先，右声道后 .....
• pcm = 16位：左声道低8位 左声道 高8位 右声道低8位 右声道高8位 ......

以上是个人拙见，欢迎指正，补充！