WAV文件格式分析

目录

WAV简介

WAV的文件组成成分

RIFF Chunk

FORMAT Chunk

DATA Chunk

8 bit 单声道：

8 bit 双声道：

16 bit 单声道：

16 bit 双声道

解析代码

实例分析

RIFF Chunk

 FORMAT Chunk

 DATA Chunk

总结

参考文献

---

WAV简介

       WAVE，又或者是因为扩展名而被大众所知的WAV，是微软与IBM公司所开发在个人电脑存储音频流的编码格式，在Windows平台的应用软件受到广泛的支持。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。由于此音频格式未经过压缩，所以在音质方面不会出现失真的情况，但文件的体积因而在众多音频格式中较为大。

WAV的文件组成成分

        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，因此符合 PIFF Resource Interchange File Format规范。

WAV文件本身主要由三个“块”信息组成：

• 将文件标识为WAV文件的RIFF Chunk
• 识别采样率等参数的FORMAT Chunk
• 包含实际数据（样本）的DATA Chunk

        除了上述三个主要Chunk以外，文件中还可能包含一些可选的区块，如：Fack Chunk、Cue Points Chunk、Playlist Chunk、Associated data list Chunk等。

       一个使用WAV文件的应用程序必须能够读取三个主要的区块，可以选择忽略那些可区块。但是，所有对WAV文件进行复制操作的应用程序应该复制WAV文件中的所有区块。RIFF Chunk总是排在第一的Chunk。FORMAT Chunk应该出现在DATA Chunk之前。除此以外，WAV文件中各区块的顺序没有任何限制。

首先先解释一下大端数据和小端数据：

• 所谓的大端模式，是指数据的低位保存在内存的高地址中，而数据的高位，保存在内存的低地址中；
• 所谓的小端模式，是指数据的低位保存在内存的低地址中，而数据的高位保存在内存的高地址中。

RIFF Chunk

RIFF Chunk是标识符，它意在告诉我们这是个WAV文件。

field name	file offset	field size（bytes）	endian	content
ChunkID	0x00	4	big	"RIFF"(0x52494646)
ChunkSize	0x04	4	little	文件大小，=（fileSize - 8）
Format	0x08	4	big	"WAVE"(0x57415645)

FORMAT Chunk

Format Chunk包含描述波形的许多重要参数，比如它的采样率、每采样值的比特数、声道数等等。

field name	file offset	field size（bytes）	endian	content
Subchunk1ID	0x0C	4	big	"fmt" (0x666D7420)
Subchunk1Size	0x10	4	little	表示该区块数据的长度（不包含ID和Size的长度，为16时WAV文件头部不包含附加信息
AudioFormat	0x14	2	little	表示音频格式。PCM=1（即线性量化），除1之外的值则表示某种形式的压缩
NumChannels	0x16	2	little	表示通道数。单声道为1，双声道为2
SampleRate	0x18	4	little	表示采样率
ByteRate	0x1C	4	little	表示WAV音频数据传送速率。其值=通道数×采样率×每样本的数据位数/8
BlockAlign	0x20	2	little	一个样本的包含所有通道在内的字节数。其值=通道数×每样本的数据位数/8
BitsPerSample	0x22	2	little	表示每样本的数据位数。例如8bits=8,16bits=16

       在解释WAV文件时，使用的测量单位是 "样本"。一个样本代表在一个采样周期内捕获的数据。所以，如果采样频率是44KHz，则将有44K个样本。每个样本可以表示为8比特、16比特、24比特或32比特。(除了必须是8的倍数外，对采样的位数没有限制)。在某种程度上，样本中的比特数越多，音频的质量就越好。

      当处理这种多通道的声音时，每个通道的单个样本点是交错的，而不是先存储所有的左通道的样本点，然后存储所有的右通道的样本点。两个通道的样本交错在一起：将存储左通道的第一个样本；然后，再将存储右通道的第一个样本，以此类推。

       这个区域只需要关心 NumChannels、SampleRate和BitsPerSample 三个参数就可以了，因为其它的都是依据这三个参数计算得到的。

DATA Chunk

field name	file offset	field size（bytes）	endian	content
Subchunk2ID	0x24	4	big	数据标记符"data"
Subchunk2Size	0x28	4	little	表示语音数据的长度。其值=样本数×通道数×每样本的数据位数/8
data	0x2C	不定	little	实际的声音数据

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

8 bit 单声道：

采样1	采样2
数据1	数据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

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2低字节	数据2高字节

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

解析代码

#include 
#include 
#include 
#include "wave.h"

int main()
{
    FILE *fp = NULL;

    Wav wav;
    RIFF_t riff;
    FMT_t fmt;
    Data_t data;

    fp = fopen("/home/douzi/Douzi_qdreamer/resolve_wav/mbfio_mic3.wav", "rb");
    if (!fp) {
        printf("can't open audio file\n");
        exit(1);
    }

    fread(&wav, 1, sizeof(wav), fp);

    riff = wav.riff;
    fmt = wav.fmt;
    data = wav.data;

    /**
     *  RIFF
     */
    printf("ChunkID \t\t%c%c%c%c\n", riff.ChunkID[0], riff.ChunkID[1], riff.ChunkID[2], riff.ChunkID[3]);
    printf("ChunkSize \t\t%d\n", riff.ChunkSize);
    printf("Format \t\t\t%c%c%c%c\n", riff.Format[0], riff.Format[1], riff.Format[2], riff.Format[3]);

    printf("\n");

    /**
     *  fmt
     */
    printf("Subchunk1ID \t%c%c%c%c\n", fmt.Subchunk1ID[0], fmt.Subchunk1ID[1], fmt.Subchunk1ID[2], fmt.Subchunk1ID[3]);
    printf("Subchunk1Size \t%d\n", fmt.Subchunk1Size);
    printf("AudioFormat \t%d\n", fmt.AudioFormat);
    printf("NumChannels \t%d\n", fmt.NumChannels);
    printf("SampleRate \t\t%d\n", fmt.SampleRate);
    printf("ByteRate \t\t%d\n", fmt.ByteRate);
    printf("BlockAlign \t\t%d\n", fmt.BlockAlign);
    printf("BitsPerSample \t%d\n", fmt.BitsPerSample);

    printf("\n");

    /**
     *  data
     */
    printf("blockID \t\t%c%c%c%c\n", data.Subchunk2ID[0], data.Subchunk2ID[1], data.Subchunk2ID[2], data.Subchunk2ID[3]);
    printf("blockSize \t\t%d\n", data.Subchunk2Size);

    printf("\n");

//    duration = Subchunk2Size / ByteRate
    printf("duration \t\t%d\n", data.Subchunk2Size / fmt.ByteRate);

}

实例分析

RIFF Chunk

属性	取值	说明
ChunkID		“RIFF”
ChunkSize		文件大小为64036字节
Format		“WAVE”

 FORMAT Chunk

属性	取值	说明
Subchunk1ID		“fmt”
Subchunk1Size		大小为16，表示不包含附加信息
AudioFormat		PCM=1，即线性量化
NumChannels		通道数为1，单声道音频
SampleRate		采样率为8000
ByteRate		WAV音频数据传送速率为16000
BlockAlign		一个样本的包含所有通道在内的字节数为2
BitsPerSample		样本的数据位数为16bit

 DATA Chunk

属性	取值	说明
Subchunk2ID		“data”
Subchunk2Size		语音数据的长度为64000字节
data	太太太多了，略	实际的声音数据

总结

       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。

参考文献

[1]维基百科：WAV

[2]WAV文件格式解析 - CodeAntenna

[3]CSDN:WAV文件格式详解

[4] CSDN:wav音频文件格式解析

[5]博客园：WAVE 文件格式分析