wave 采集总结

首先需要了解一些基本知识。

一、数字音频基础知识

• Fourier级数：

任何周期的波形可以分解成多个正弦波，这些正弦波的频率都是整数倍。级数中其他正线波的频率是基础频率的整数倍。基础频率称为一级谐波。

• PCM:

pulse code modulation,脉冲编码调制，即对波形按照固定周期频率采样。为了保证采样后数据质量，采样频率必须是样本声音最高频率的两倍，这就是Nyquist频率。
样本大小：采样后用于存储振幅级的位数，实际就是脉冲编码的阶梯数，位数越大表明精度越高，这一点学过数字逻辑电路的应该清楚。

• 声音强度：

波形振幅的平方。两个声音强度上的差常以分贝(db)为单位来度量，

• 计算公式如下：

20*log(A1/A2)分贝。A1,A2为两个声音的振幅。如果采样大小为8位，则采样的动态范围为20*log(256)分贝=48db。如果样本大小为16位，则采样动态范围为20*log(65536)大约是96分贝，接近了人听觉极限和痛苦极限，是再线音乐的理想范围。windows同时支持8位和16位的采样大小。

 二、相关API函数，结构，消息
对于录音设备来说，windows 提供了一组wave***的函数，比较重要的有以下几个：

• 打开录音设备函数

MMRESULT waveInOpen(
  LPHWAVEIN phwi,            //输入设备句柄
  UINT uDeviceID,            //输入设备ID
  LPWAVEFORMATEX pwfx,       //录音格式指针
  DWORD dwCallback,          //处理MM_WIM_***消息的回调函数或窗口句柄，线程ID
  DWORD dwCallbackInstance,  
  DWORD fdwOpen              //处理消息方式的符号位
);

• 为录音设备准备缓存函数

MMRESULT waveInPrepareHeader(  HWAVEIN hwi,  LPWAVEHDR pwh, UINT bwh );  

• 给输入设备增加一个缓存

MMRESULT waveInAddBuffer(  HWAVEIN hwi, LPWAVEHDR pwh, UINT cbwh );  

• 开始录音

MMRESULT waveInStart(  HWAVEIN hwi  );  

• 清除缓存

MMRESULT waveInUnprepareHeader( HWAVEIN hwi,LPWAVEHDR pwh, UINT cbwh);  

• 停止录音

MMRESULT waveInReset( HWAVEIN hwi );  

• 关闭录音设备

MMRESULT waveInClose( HWAVEIN hwi );  

• Wave_audio数据格式

typedef struct { 
    WORD  wFormatTag; //数据格式，一般为WAVE_FORMAT_PCM即脉冲编码
    WORD  nChannels; //声道
    DWORD nSamplesPerSec; //采样频率
    DWORD nAvgBytesPerSec; //每秒数据量
    WORD  nBlockAlign; 
    WORD  wBitsPerSample;//样本大小 
    WORD  cbSize; 
} WAVEFORMATEX;  

• waveform-audio 缓存格式 　

typedef struct { 
    LPSTR  lpData; //内存指针
    DWORD  dwBufferLength;//长度 
    DWORD  dwBytesRecorded; //已录音的字节长度
    DWORD  dwUser; 
    DWORD  dwFlags; 
    DWORD  dwLoops; //循环次数
    struct wavehdr_tag * lpNext; 
    DWORD  reserved; 
} WAVEHDR;  

• 相关消息 　

MM_WIM_OPEN:打开设备时消息，在此期间我们可以进行一些初始化工作
MM_WIM_DATA：当缓存已满或者停止录音时的消息，处理这个消息可以对缓存进行重新分配，实现不限长度录音
MM_WIM_CLOSE：关闭录音设备时的消息。

相对于录音来说，回放就简单的多了，用到的函数主要有以下几个：

• 打开回放设备 　

MMRESULT waveOutOpen(
  LPHWAVEOUT phwo,           
  UINT uDeviceID,            
  LPWAVEFORMATEX pwfx,       
  DWORD dwCallback,          
  DWORD dwCallbackInstance,  
  DWORD fdwOpen              
);  

• 为回放设备准备内存块 　

MMRESULT waveOutPrepareHeader(
  HWAVEOUT hwo,  
  LPWAVEHDR pwh, 
  UINT cbwh      
);

• 写数据（放音） 　

MMRESULT waveOutWrite(
  HWAVEOUT hwo,  
  LPWAVEHDR pwh, 
  UINT cbwh      
);

相应的也有三个消息，用法跟录音的类似： 

一个录音程序的简单流程：

打开录音设备waveInOpen===>准备wave数据头waveInPrepareHeader===>
准备数据块waveInAddBuffer===>开始录音waveInStart===>停止录音(waveInReset) ===>
关闭录音设备(waveInClose)

当开始录音后当buffer已满时，将收到MM_WIM_DATA消息，处理该消息可以保存已录好数据。

回放程序比这个要简单的多： 　

打开回放设备waveOutOpen===>准备wave数据头waveOutPrepareHeader===>写wave数据waveOutWrite===>
停止放音(waveOutRest) ===>关闭回放设备(waveOutClose)

如何处理MM消息：

MSDN告诉我们主要有 CALLBACK_FUNCTION、CALL_BACKTHREAD、CALLBACK_WINDOW 三种方式，常用的是
Thread,window方式。

 线程模式
waveInOpen(&hWaveIn,WAVE_MAPPER,&waveform,m_ThreadID,NULL,CALLBACK_THREAD)，我们可以继承MFC的CwinThread类，只要相应的处理线程消息即可。
MFC线程消息的宏为：

    ON_THREAD_MESSAGE,

可以这样添加消息映射：

    ON_THREAD_MESSAGE(MM_WIM_CLOSE, OnMM_WIM_CLOSE)  

 窗口模式
类似于线程模式，参见源程序即可。

先了解下wave 真个音频文件的Format如下所示

wav文件格式分析详解 
程序如上一篇博文


一、综述
    WAVE文件作为多媒体中使用的声波文件格式之一，它是以RIFF格式为标准的。
RIFF是英文Resource Interchange File Format的缩写，每个WAVE文件的头四个
字节便是“RIFF”。
    WAVE文件是由若干个Chunk组成的。按照在文件中的出现位置包括：RIFF WAVE
Chunk, Format Chunk, Fact Chunk(可选), Data Chunk。具体见下图：


------------------------------------------------
|             RIFF WAVE Chunk                  |
|             ID = 'RIFF'                     |
|             RiffType = 'WAVE'                |
------------------------------------------------
|             Format Chunk                     |
|             ID = 'fmt '                      |
------------------------------------------------
|             Fact Chunk(optional)             |
|             ID = 'fact'                      |
------------------------------------------------
|             Data Chunk                       |
|             ID = 'data'                      |
------------------------------------------------
            图1   Wav格式包含Chunk示例


    其中除了Fact Chunk外，其他三个Chunk是必须的。每个Chunk有各自的ID，位
于Chunk最开始位置，作为标示，而且均为4个字节。并且紧跟在ID后面的是Chunk大
小（去除ID和Size所占的字节数后剩下的其他字节数目），4个字节表示，低字节
表示数值低位，高字节表示数值高位。下面具体介绍各个Chunk内容。
PS：
    所有数值表示均为低字节表示低位，高字节表示高位。


二、具体介绍
RIFF WAVE Chunk
    ==================================
    |       |所占字节数| 具体内容   |
    ==================================
    | ID    | 4 Bytes |   'RIFF'    |
    ----------------------------------
    | Size | 4 Bytes |             |
    ----------------------------------
    | Type | 4 Bytes |   'WAVE'    |
    ----------------------------------
            图2 RIFF WAVE Chunk


    以'FIFF'作为标示，然后紧跟着为size字段，该size是整个wav文件大小减去ID
和Size所占用的字节数，即FileLen - 8 = Size。然后是Type字段，为'WAVE'，表
示是wav文件。
    结构定义如下：
struct RIFF_HEADER
{
char szRiffID[4]; // 'R','I','F','F'
DWORD dwRiffSize;
char szRiffFormat[4]; // 'W','A','V','E'
};




Format Chunk
    ====================================================================
    |               |   字节数 |              具体内容                |
    ====================================================================
    | ID            | 4 Bytes |   'fmt '                             |
    --------------------------------------------------------------------
    | Size          | 4 Bytes | 数值为16或18，18则最后又附加信息     |
    -------------------------------------------------------------------- ----
    | FormatTag     | 2 Bytes | 编码方式，一般为0x0001               |     |
    --------------------------------------------------------------------     |
    | Channels      | 2 Bytes | 声道数目，1--单声道；2--双声道       |     |
    --------------------------------------------------------------------     |
    | SamplesPerSec | 4 Bytes | 采样频率                             |     |
    --------------------------------------------------------------------     |
    | AvgBytesPerSec| 4 Bytes | 每秒所需字节数                       |     |===> WAVE_FORMAT
    --------------------------------------------------------------------     |
    | BlockAlign    | 2 Bytes | 数据块对齐单位(每个采样需要的字节数) |     |
    --------------------------------------------------------------------     |
    | BitsPerSample | 2 Bytes | 每个采样需要的bit数                  |     |
    --------------------------------------------------------------------     |
    |               | 2 Bytes | 附加信息（可选，通过Size来判断有无） |     |
    -------------------------------------------------------------------- ----
                            图3 Format Chunk


    以'fmt '作为标示。一般情况下Size为16，此时最后附加信息没有；如果为18
则最后多了2个字节的附加信息。主要由一些软件制成的wav格式中含有该2个字节的
附加信息。
    结构定义如下：
struct WAVE_FORMAT
{
WORD wFormatTag;
WORD wChannels;
DWORD dwSamplesPerSec;
DWORD dwAvgBytesPerSec;
WORD wBlockAlign;
WORD wBitsPerSample;
};
struct FMT_BLOCK
{
char szFmtID[4]; // 'f','m','t',' '
DWORD dwFmtSize;
WAVE_FORMAT wavFormat;
};


补充头文件样例说明：


首先是一串“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。
然后是“E4 3C 00 00”，这个是我这个WAV文件的数据大小，记住这个大小是包括头文件的一部分的，包括除了前面8个字节的所有字节，也就等于文件总字节数减去8。这是一个DWORD，我这个文件对应是15588。
然后是“57 41 56 45 66 6D 74 20”，也是Ascii字符“WAVEfmt”，这部分是固定格式。
然后是PCMWAVEFORMAT部分，可以对照一下上面的struct定义，首先就是一个WAVEFORMAT的struct。
随后是“10 00 00 00”，这是一个DWORD，对应数字16，这个对应定义中的Sizeof(PCMWAVEFORMAT)，后面我们可以看到这个段内容正好是16个字节。
随后的字节是“01 00”，这是一个WORD，对应定义为编码格式“WAVE_FORMAT_PCM”，我们一般用的是这个。
随后的是“01 00”，这是一个WORD，对应数字1，表示声道数为1，这是个单声道Wav。
随后的是“22 56 00 00”，这是一个DWORD，对应数字22050，代表的是采样频率22050。
随后的是“44 AC 00 00”，这是一个DWORD，对应数字44100，代表的是每秒的数据量。
然后是“02 00”，这是一个WORD，对应数字是2，表示块对齐的内容，含义不太清楚。
然后是“10 00”，这是一个WORD，对应WAVE文件的采样大小，数值为16，采样大小为16Bits。
然后是一串“64 61 74 61”，这个是Ascii字符“data”，标示头结束，开始数据区域。
而后是数据区的开头，有一个DWORD，我这里的字符是“C0 3C 00 00”，对应的十进制数为15552，看一下前面正好可以看到，文件大小是15596，其中到“data”标志出现为止的头是40个字节，再减去这个标志的4个字节正好是15552，再往后面就是真正的Wave文件的数据体了，头文件的解析就到这里。




Fact Chunk
    ==================================
    |       |所占字节数| 具体内容   |
    ==================================
    | ID    | 4 Bytes |   'fact'    |
    ----------------------------------
    | Size | 4 Bytes |   数值为4   |
    ----------------------------------
    | data | 4 Bytes |             |
    ----------------------------------
            图4 Fact Chunk


    Fact Chunk是可选字段，一般当wav文件由某些软件转化而成，则包含该Chunk。
    结构定义如下：
struct FACT_BLOCK
{
char szFactID[4]; // 'f','a','c','t'
DWORD dwFactSize;
};




Data Chunk
    ==================================
    |       |所占字节数| 具体内容   |
    ==================================
    | ID    | 4 Bytes |   'data'    |
    ----------------------------------
    | Size | 4 Bytes |             |
    ----------------------------------
    | data |          |             |
    ----------------------------------
             图5 Data Chunk


    Data Chunk是真正保存wav数据的地方，以'data'作为该Chunk的标示。然后是
数据的大小。紧接着就是wav数据。根据Format Chunk中的声道数以及采样bit数，
wav数据的bit位置可以分成以下几种形式：
    ---------------------------------------------------------------------
    |   单声道    |    取样1    |    取样2    |    取样3    |    取样4    |
    |                   | --------------------------------------------------------
    | 8bit量化 |    声道0    |    声道0    |    声道0    |    声道0    |
    ---------------------------------------------------------------------
    |   双声道    |          取样1                      |           取样2                      |
    |                   |--------------------------------------------------------
    | 8bit量化 | 声道0(左) | 声道1(右) | 声道0(左) | 声道1(右) |
    ---------------------------------------------------------------------
    |                    |          取样1                        |           取样2                       |
    |   单声道     |--------------------------------------------------------
    | 16bit量化 |    声道0       | 声道0          |    声道0       | 声道0          |
    |                    | (低位字节) | (高位字节) | (低位字节) | (高位字节)   |
    ---------------------------------------------------------------------
    |                    |                         取样1                                                       |
    |   双声道     |--------------------------------------------------------
    | 16bit量化 | 声道0(左)    | 声道0(左) | 声道1(右)   | 声道1(右)   |
    |                     | (低位字节) | (高位字节) | (低位字节) | (高位字节) |
    ---------------------------------------------------------------------
                         图6 wav数据bit位置安排方式


    Data Chunk头结构定义如下：
    struct DATA_BLOCK
{
char szDataID[4]; // 'd','a','t','a'
DWORD dwDataSize;
};




三、小结
    因此，根据上述结构定义以及格式介绍，很容易编写相应的wav格式解析代码。
这里具体的代码就不给出了。

下面通过对wave的操作进行了解

// 	使用wave族函数，需要添加winmm.lib
// 是否需要加入mmsystem.h看情况
//这是在头文件中需要添加的变量和函数
//具体用途会在下面介绍cpp文件时候都用到
 HWAVEIN hWaveIn;  //输入设备
 WAVEFORMATEX waveform; //采集音频的格式，结构体
 BYTE *pBuffer1,*pBuffer2;//采集音频时的数据缓存
 WAVEHDR wHdr1,wHdr2; //采集音频时包含数据缓存的结构体
 static DWORD CALLBACK MicCallback(  //消息回掉函数
  HWAVEIN hWaveIn, 
  UINT  uMsg, 
  DWORD dwInstance, 
  DWORD dwParam1, 
  DWORD dwParam2);
/////////////////////////////////////以下是cpp文件中的操作
 waveform.wFormatTag = WAVE_FORMAT_PCM;//声音格式为PCM
 waveform.nSamplesPerSec = 16000;//采样率，16000次/秒
 waveform.wBitsPerSample = 16;//采样比特，16bits/次
 waveform.nChannels = 2;//采样声道数，2声道
 waveform.nAvgBytesPerSec = 16000 * 4;//每秒的数据率，就是每秒能采集多少字节的数据
 waveform.nBlockAlign = 4;//一个块的大小，采样bit的字节数乘以声道数
 waveform.cbSize = 0;//一般为0
 
 //使用waveInOpen函数开启音频采集
 MMRESULT mmr = waveInOpen(&hWaveIn,WAVE_MAPPER,&waveform,
  (DWORD)(MicCallback), DWORD(this), CALLBACK_FUNCTION);
 if(mmr != MMSYSERR_NOERROR)
  return false;
 //建立两个数组（这里可以建立多个数组）用来缓冲音频数据
 DWORD bufsize = 8 * 1024;
 pBuffer1 = new BYTE[bufsize];
 pBuffer2 = new BYTE[bufsize];
 wHdr1.lpData = (LPSTR)pBuffer1;
 wHdr1.dwBufferLength = bufsize;
 wHdr1.dwBytesRecorded = 0;
 wHdr1.dwUser = 0;
 wHdr1.dwFlags = 0;
 wHdr1.dwLoops = 1;
 wHdr1.lpNext = NULL;
 wHdr1.reserved = 0;
 //将建立好的wHdr1做为备用
 waveInPrepareHeader(hWaveIn,&wHdr1,sizeof(WAVEHDR));
 wHdr2.lpData = (LPSTR)pBuffer2;
 wHdr2.dwBufferLength = bufsize;
 wHdr2.dwBytesRecorded = 0;
 wHdr2.dwUser = 0;
 wHdr2.dwFlags = 0;
 wHdr2.dwLoops = 1;
 wHdr2.lpNext = NULL;
 wHdr2.reserved = 0;
 //将建立好的wHdr2做为备用
 waveInPrepareHeader(hWaveIn,&wHdr2,sizeof(WAVEHDR));
 //将两个wHdr添加到waveIn中去
 waveInAddBuffer (hWaveIn, &wHdr1, sizeof (WAVEHDR)) ;
 waveInAddBuffer (hWaveIn, &wHdr2, sizeof (WAVEHDR)) ;
 //开始音频采集
 waveInStart(hWaveIn);
 
//下面这个是callback函数，对于采集到的音频数据都在这个函数中处理
DWORD CALLBACK
CIMAADPCMDlg::MicCallback(HWAVEIN hwavein, UINT uMsg, DWORD dwInstance, DWORD dwParam1, DWORD dwParam2)
{
 //这个CIMAADPCMDlg就是你的音频采集类
 CIMAADPCMDlg*pWnd = (CIMAADPCMDlg*)dwInstance;
 int re(0);
 switch(uMsg) 
 {
  case WIM_OPEN:
   TRACE("WIM_OPEN\n");
   break;
  
  case WIM_DATA:
   TRACE("WIM_DATA\n");
   //这里就是对采集到的数据做处理的地方，我是做了发送处理
   //((PWAVEHDR)dwParam1)->lpData这就是采集到的数据指针
   //((PWAVEHDR)dwParam1)->dwBytesRecorded这就是采集到的数据长度
   re = send(pWnd->sends,((PWAVEHDR)dwParam1)->lpData,((PWAVEHDR)dwParam1)->dwBytesRecorded,0);
   //处理完了之后还要再把这个缓冲数组加回去
   //pWnd->win代表是否继续采集，因为当停止采集的时候，只有当所有的
   //缓冲数组都腾出来之后才能close，所以需要停止采集时就不要再waveInAddBuffer了
   if(pWnd->win)
    waveInAddBuffer (hwavein, (PWAVEHDR) dwParam1, sizeof (WAVEHDR)) ;
   TRACE("%d\n",re);
   break;
  
  case WIM_CLOSE:
   TRACE("WIM_CLOSE\n");
   break;
  default:
  break;
 }
 return 0;
}
//最后是结束采集
 win = false;
 //在这里可以等待一定的时间，确保所有缓冲数组全都退出来了
 //也可以在WIM_DATA消息处理中加个计数器，计算全部buffer都
 //退出来了，就可以调用下面的close了
 waveInClose(hWaveIn);