WAV 格式详解

 这是JRTPLIB@Conference 系列的第六部 《G.711编码事例程序》，本系列的主要工作是实现一个基于JRTPLIB的，建立在RTP组播基础上的多媒体视频会议系统。这只是一个实验系统，用于 学习JRTPLIB、RTP、和多媒体相关的编程，不是一个完善的软件工程。而且，我只会在业余的时间出于兴趣写一写。有志同道合的朋友可以通过[email protected] 这个邮箱或博客回复（推荐）和我交流。
      上一部《JRTPLIB@Conference DIY视频会议系统 五、PCM 和G.711编码相关》
      这 一部我们来做个实验，就是把用windows录音机录下来的"PCM 8.000 kHz, 16 位, 单声道"WAV文件转换成为我们要用的8位8000Hz a-law格式PCM。要注意的是录音机默认的方式是PCM 44.100 kHz, 16 位, 立体声，我们不想去进行采样频率的更改，因为这个要进行插值，而且也没必要，因为我们写软件时采样频率我们是可以更改的。所以我们要先把录音另为"PCM 8.000 kHz, 16 位, 单声道"格式。

一、WAV 格式
       虽然会议系统完成后我们能直接向声卡拿到PCM 数据，但毕竟我们现在拿到手的是WAV 文件，我们要识别这种格式的头文件。下面是一编转自其它网站的《WAV 格式详解》(有一定修改）
1、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。

2、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。

 

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。

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 。
 

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

3、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。 

二、代码的实现  

      根据上面的格式规定，我们把它写成一头文件wav.h

 1 #ifndef _WAV_H_
 2 #define  _WAV_H_
 3
 4 #include  " types.h "
 5
 6 #pragma pack( 1 )
 7
 8 struct  RIFF_HEADER
 9 {
10     U8        szRiffID[ 4 ];   //  'R','I','F','F'
11     U32        dwRiffSize;
12     U8        szRiffFormat[ 4 ];  //  'W','A','V','E'
13 } ;
14
15 struct  WAVE_FORMAT
16 {
17     U16        wFormatTag;
18     U16        wChannels;
19     U32        dwSamplesPerSec;
20     U32        dwAvgBytesPerSec;
21     U16        wBlockAlign;
22     U16        wBitsPerSample;
23     U16        pack;         // 附加信息
24 } ;
25 struct  FMT_BLOCK
26 {
27     U8        szFmtID[ 4 ];  //  'f','m','t',' '
28     U32        dwFmtSize;
29      struct     WAVE_FORMAT wavFormat;
30 } ;
31
32 struct  FACT_BLOCK
33 {
34     U8        szFactID[ 4 ];  //  'f','a','c','t'
35     U32        dwFactSize;
36 } ;
37
38 struct  DATA_BLOCK
39 {
40     U8        szDataID[ 4 ];  //  'd','a','t','a'
41     U32        dwDataSize;
42 } ;
43
44
45 #endif

      因为这是个简单的程序，我没有去规划，相就的WAV解码过程我放到main.c的main函数里做了，这是不应该的，请原谅

  1 /* ******************************************************
  2 *    这是配合我的博客《JRTPLIB@Conference DIY视频会议系统》
  3 *    而写的一个阶段性实验。
  4 *    作者：冯富秋 tinnal
  5 *    邮箱：[email protected]
  6 *    博客：www.cnitblog.com/tinnal/
  7 *    目期：2009-01-03
  8 *    版本：1.00
  9 ******************************************************** */
 10
 11 #include  " stdio.h "
 12 #include  " string.h "
 13 #include  " types.h "
 14 #include  " g711.h "
 15 #include  " wav.h "
 16
 17 struct  RIFF_HEADER    riff_header;
 18 struct  FMT_BLOCK    fmt_block;
 19 char    fack_block_buffer[ 20 ];         // 20 should be enough
 20 struct  FACT_BLOCK    fact_block;
 21 struct  DATA_BLOCK    data_block;
 22
 23 int  main( int  argc,  char   ** argv)
 24 {
 25     FILE  * wav_in;
 26     FILE  * wav_out;
 27     U32 i;
 28     U8    has_fact_block  = 0 ;
 29
 30     unsigned  char  pcm_bytes[ 2 ];
 31      short  pcm;
 32     unsigned  char  a_law;    
 33
 34      long  file_pos;
 35
 36      if (argc  !=   3  )
 37      {
 38         printf( " Usage:/n/t%s <intput file> <output file>/n " , argv[ 0 ]);
 39         exit( - 1 );
 40     }
 41
 42     wav_in  =  fopen(argv[ 1 ], " rb " );
 43      if (wav_in  ==  NULL)
 44      {
 45         printf( " Can't open input file %s/n " , argv[ 1 ]);
 46          return  ( - 1 );
 47     }
 48
 49     wav_out  =  fopen(argv[ 2 ],  " wb " );
 50      if ( wav_out  ==  NULL)
 51      {
 52         printf( " Can't open output file %s/n " ,argv[ 2 ]);
 53         fclose(wav_in);
 54          return ( - 1 );
 55     }
 56     
 57     file_pos  =  ftell(wav_in);
 58
 59      // Read RIFF_HEADER
 60     fread( & riff_header,  sizeof ( struct  RIFF_HEADER),  1 , wav_in);
 61      if (    memcmp(riff_header.szRiffID,  " RIFF " ,  4 )  !=   0   ||
 62         memcmp(riff_header.szRiffFormat,  " WAVE " ,  4 )  !=   0  )
 63      {
 64         printf( " No a vaild wave file!/n " );
 65         fclose(wav_in);
 66         fclose(wav_out);
 67          return ( - 1 );
 68     }
 69     file_pos  =  ftell(wav_in);
 70
 71      // Read FMT_BLOCK
 72     fread( & fmt_block,  sizeof ( struct  FMT_BLOCK),  1 , wav_in);
 73      if (    memcmp(fmt_block.szFmtID,  " fmt  " ,  4 )  != 0   ||
 74         fmt_block.dwFmtSize  !=   18   ||
 75         fmt_block.wavFormat.wFormatTag  !=   0x1   ||
 76         fmt_block.wavFormat.wChannels  !=   0x1   ||
 77         fmt_block.wavFormat.dwSamplesPerSec  !=   8000   ||
 78         fmt_block.wavFormat.wBitsPerSample  !=   16 )
 79      {
 80         printf( " Sorry this is only test program,/n "
 81              " we only support follow format,/n "
 82              " /t 1. Format:        linear PCM /n "
 83              " /t 2. Samples Rate:  8000 KHz /n "
 84              " /t 3. Channels:      one channel /n "
 85              " /t 4. BitsPerSample: 16 /n " );
 86         fclose(wav_in);
 87         fclose(wav_out);
 88          return ( - 1 );
 89     }
 90     
 91     file_pos  =  ftell(wav_in);
 92
 93      // Try to read FACT_BLOCK
 94     file_pos  =  ftell(wav_in);
 95     fread( & fact_block,  sizeof ( struct  FACT_BLOCK),  1 , wav_in);
 96      if ( memcmp(fact_block.szFactID,  " fact " ,  4 )  ==   0  )
 97      {    
 98         has_fact_block  = 1 ;
 99         fread( & fack_block_buffer, fact_block.dwFactSize,  1 , wav_in);
100     }
101      else
102         fseek(wav_in, file_pos, SEEK_SET);
103     
104     fread( & data_block,  sizeof ( struct  DATA_BLOCK),  1 , wav_in);
105      if  (memcmp(data_block.szDataID,  " data " ,  4 )  !=   0 )
106      {
107         printf( " OOh what error?/n " );
108         fclose(wav_in);
109         fclose(wav_out);
110          return ( - 1 );
111     }
112
113      // Change the wave header to write
114     riff_header.dwRiffSize                     -=     data_block.dwDataSize / 2  ;
115     
116     fmt_block.wavFormat.wFormatTag             =      0x06 ;
117     fmt_block.wavFormat.wChannels             =      0x01 ;
118     fmt_block.wavFormat.dwSamplesPerSec         =      8000 ;
119     fmt_block.wavFormat.dwAvgBytesPerSec     =      8000 ;
120     fmt_block.wavFormat.wBlockAlign             =      0x01 ;
121     fmt_block.wavFormat.wBitsPerSample         =      0x08 ;
122
123     data_block.dwDataSize                     -=     data_block.dwDataSize / 2  ;
124
125      // Write wave file header
126     fwrite( & riff_header,  sizeof ( struct  RIFF_HEADER),  1 , wav_out);
127     fwrite( & fmt_block,  sizeof ( struct  FMT_BLOCK),  1 , wav_out);
128      if (has_fact_block  ==   1 ) 
129      {
130         fwrite( & fact_block,  sizeof ( struct  FACT_BLOCK),  1 , wav_out);
131         fwrite( & fack_block_buffer, fact_block.dwFactSize,  1 , wav_out);
132     }
133     fwrite( & data_block,  sizeof ( struct  DATA_BLOCK),  1 , wav_out);
134
135      // Convert pcm data to a-low data  and  write wav file.
136      for (i  = 0 ; i <  data_block.dwDataSize; i ++ )
137      {
138         pcm_bytes[ 0 ]  =  (U8) fgetc(wav_in);
139         pcm_bytes[ 1 ]  =  (U8) fgetc(wav_in);
140         pcm  =   * ( short   * ) & pcm_bytes;
141
142         a_law      =  ALawEncode(( int )pcm);
143 //         a_law     = linear2alaw((int)pcm);
144         fputc(a_law, wav_out);
145     }
146     fclose(wav_in);
147     fclose(wav_out);
148     
149     printf( " Finish!/n " );
150      return   0 ;
151 }
152

      整个文件基本都是在为WAV文件格式服务而非我们的核心工作－－G.711编码。唉~，我也不想。这里在面进行G.711编码的就是 ALawEncode函数。这个函数定义在g711.c里件里，这个文件函数一些我认为比较有用的函数。我们这是只把ALawEncode这个函数拿出 来。 

 1 // 省略的代码
 2 unsigned  char  ALawEncode( int  pcm16)
 3 {
 4      int  p  =  pcm16;
 5     unsigned a;   //  A-law value we are forming
 6      if (p < 0 )
 7      {
 8          //  -ve value
 9          //  Note, ones compliment is used here as this keeps encoding symetrical
10          //  and equal spaced around zero cross-over, (it also matches the standard).
11         p  =   ~ p;
12         a  =   0x00 ;  //  sign = 0
13     }
14      else
15      {
16          //  +ve value
17         a  =   0x80 ;  //  sign = 1
18     }
19     
20      //  Calculate segment and interval numbers
21     p  >>=   4 ;
22      if (p >= 0x20 )
23      {
24          if (p >= 0x100 )
25          {
26             p  >>=   4 ;
27             a  +=   0x40 ;
28         }
29          if (p >= 0x40 )
30          {
31             p  >>=   2 ;
32             a  +=   0x20 ;
33         }
34          if (p >= 0x20 )
35          {
36             p  >>=   1 ;
37             a  +=   0x10 ;
38         }
39     }
40      //  a&0x70 now holds segment value and 'p' the interval number
41     
42     a  +=  p;   //  a now equal to encoded A-law value
43     
44      return  a ^ 0x55 ;     //  A-law has alternate bits inverted for transmission
45 }
46 // 省略的代码
47

      哈哈，前一部说了这么多，其实G711编码也只是很简单的 。当然，不然VOIP怎么把它变的每个软件的必要品。

      完整的程序可以从下面的链接下载：PCM2ALaw.rar