wav音频文件头解析

wav文件详解

分类： 视频音频图像处理算法 2013-10-10 13:50  66人阅读  评论(0)  收藏  举报

音频 wav 格式介绍 ffmpeg

目录(?)[+]

工具

我们这里使用的工具有ffmpeg, cooledit, ultraedit。

音频文件

我们以这音频文件为介绍例子

文件链接http://pan.baidu.com/s/1j6fbt

wav的基础知识介绍

wav是微软开发的一种音频文件格式.
它符合它符合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。
标准化的wav文件都是44.1k的采样率，采用16位的数字表示。
但是我们的成了里面采样率是16k的，采用16为的数字表示。
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。

PCM编码介绍

其中，数字信号是对连续变化的模拟信号进行抽样、量化和编码产生的，称为PCM（Pulse-code modulation），即脉冲编码调制。
声音的本质就是波，我们可以用cooledit打开音频文件，看到下图所示的内容




你可以在cooledit里面放大这个图片，看到实际上它就是一个波形图。一个声音对应的就是一个波形图。
PCM实际上就是讲这个波形图通过按一定的时间间隔，收集起来。这里不详细描述，可以参考

http://zh.wikipedia.org/wiki/%E8%84%88%E8%A1%9D%E7%B7%A8%E7%A2%BC%E8%AA%BF%E8%AE%8A
http://baike.baidu.com/view/86849.htm


ffmpeg中通过deocde的方式，实际上都是把音频文件转换为pcm格式，让pc或者手机上面的声卡设备来播放。（目前看都是这种形式）

wav头文件详解

下面是摘抄在维基百科的关于riff文件的定义
RIFF档案由一个简单的表头（header）跟随着多个 "chunks"所组。其格式完全跟IFF一样，除整数的储存方式不一样以外。
表头（Header）
4 字节（bytes）：固定为"RIFF".
4 字节：little-endian 32-bit 正整数，整个档案的大小，扣掉辨识字符和长度，共8个字节。
4 字节：这个档案的型态字符，例如："AVI " 或 "WAVE".
接下来是区块（Chunks），每个区块包含：
4 字节：此区块的ASCII识别字，例如："fmt " 或 "data".
4 字节：little-endian 32-bit 正整数，表示本区块的长度（这个正整数本身和区块识别字的长度不算在内）.
不固定长度字段：此区块的资料，大小等同前一栏之正整数。
假如区块的长度不为偶数，则填入一个 byte。

可以参考下表

偏移地址	大小 字节	数据块 类型	内容
00H~03H	4	4字符	资源交换文件标志（RIFF）
04H~07H	4	长整数	从下个地址开始到文件尾的总字节数
08H~0BH	4	4字符	WAV文件标志（WAVE）
0CH~0FH	4	4字符	波形格式标志（fmt ），最后一位空格。
10H~13H	4	整数	过滤字节（一般为00000010H）
14H~15H	2	整数	格式种类（值为1时，表示数据为线性PCM编码）
16H~17H	2	整数	通道数，单声道为1，双声道为2
18H~1BH	4	长整数	采样频率
1CH~1FH	4	长整数	波形数据传输速率（每秒平均字节数）
20H~21H	2	整数	DATA数据块长度，字节。
22H~23H	2	整数	PCM位宽
24H~27H	4	4字符	“fact”,该部分一下是可选部分，即可能有，可能没有,一般到WAV文件由某些软件转换而成时，包含这部分。
28H~2BH	4	长整数	size,数值为4

表2 WAV声音文件的

偏移地址	字节数	类型	内容
24H~27H	4	4字符	数据标志符（data）
28H~2BH	4	长整型	DATA总数据长度字节
2CH...	...		DATA数据块

他的三个最重要的参数是采样率，比特数，声道数。

我们使用UE打开这个音频文件



注意，我们的pc都是小端模式，所以注意读取数据的真实内容。
我们解读一下这个wav文件
00H ~ 03H  52 49 46 46     对应的是RIFF
04H ~ 07H  48 10 03 00     对应的是后面文件的大小，小端模式所以是00031048 ，换算为十进制的200776
08H ~ 0BH  57 41 56 45     对应的是标示符WAVE
0CH ~ 0FH  66 6d 74 20     对应是波形格式标示符fmt
10H ~ 13H  12 00 00 00     对应的是过滤字节，不知道是什么作用，由于本文件不是标准的采样率，所以可能和上面的不一致
14H ~ 15H  01 00           对应的十进制是1 线性的PCM编码，我们这里只探讨PCM编码
16H ~ 17H  01 00           对应的十进制是1 表示单声道，MONO
18H ~ 1BH  80 3E 00 00     对应的十进制是16000.表示采样率是16000的
1CH ~ 1FH  00 7D 00 00     对应的十进制是32000，波形数据传输率，每秒多少个字节，可以用（200776 -72）/32000 = 6.272s
20H ~ 21H  02 00           对应的十进制是2，数据的调整数
22H ~ 23H  10 00           对应的十进制是16，样本数据的位数，表示用16位表示一个样本


我们的和表二之间有一些差距，是ffmpeg转码的数据，所以中间夹着了一些ffmpeg的信息
48H ~ 4BH 64 61 74 71      对应的ACSCII码是data
4CH ~ 4FH 00 10 03 00      对应的十进制是200704，表示采样数据的总数
从50H开始就是真正的数据部分


在使用ffmpeg解包的时候总共是有49个包，每个包的大小为4096， 49*4096 =200704,
怎么计算出来包的大小，需要进一步的分析。

本文参考

http://baike.baidu.com/view/8033.htm