wav文件格式分析详解

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(详见后文)     |     |
    --------------------------------------------------------------------     |
    | 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;
};

 

FormatTag:说明

#define WAVE_FORMAT_UNKNOWN 0x0000
#define WAVE_FORMAT_PCM 0x0001    
#define WAVE_FORMAT_ADPCM 0x0002
#define WAVE_FORMAT_ALAW 0x0006   
#define WAVE_FORMAT_MULAW 0x0007  
#define WAVE_FORMAT_GSM610 0x0031
#define WAVE_FORMAT_MPEG 0x0050

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。

 

四、参考资料
    1、李敏, 声频文件格式WAVE的转换, 电脑知识与技术(学术交流), 2005.
    2、http://www.codeguru.com/cpp/g-m/multimedia/audio/article.php/c8935__1/
    3、http://www.smth.org/pc/pcshowcom.php?cid=129276

    4、http://icculus.org/SDL_sound/downloads/external_documentation/wavecomp.htm (英文详细说明)