wav封裝格式

wav文件格式做爲一種經常使用的多媒體音頻文件格式，其由MS在1991年8月在Windows 3.1上推出，文件擴展名爲WAV，是WaveFom的簡寫。一般存儲未壓縮的pcm數據，也可存儲壓縮的pcm數據（G711a/u, G726, ADPCM）。WAV文件格式簡稱WAV格式，是一種存儲聲音波形的數字音頻格式，是由微軟公司和IBM聯合設計的，通過了屢次修訂，可用於Windows,Macintosh,Linix等多種操做系統，詳述以下。

波形文件的基礎知識

1.1 波形文件的存儲過程

聲源發出的聲波經過話筒被轉換成連續變化的電信號，通過放大、抗混疊濾波後，按固定的頻率進行採樣，每一個樣本是在一個採樣週期內檢測到的電信號幅度值；接下來將其由模擬電信號量化爲由二進制數值；最後編碼並存儲爲音頻流數據。有的應用爲了節省存儲空間,存儲前，還要對採樣數據先進行壓縮(G711/G726)。其過程以下：

採樣->模擬信號->量化->壓縮->存儲。

1.2 WAV文件的編碼

編碼包括了兩方面內容：一是按必定格式存儲數據；二是採用必定的算法壓縮數據。WAV格式對音頻流的編碼沒有硬性規定，既支持非壓縮的PCM(Puls Code Modulation)脈衝編碼調製格式，又支持壓縮型的數據，如微軟自適應分脈衝編碼調製Microsoft ADPCM(Adaptive Differential Puls Code Modulation)、國際電報聯盟(International Telegraph Union)制定的語音壓縮標準ITUG.711 a-law、ITU G.711 u-law、IMA ADPCM和其它壓縮算法。

1.3 WAV文件存儲格式

       封裝格式主要包括三部分："RIFF" chunk, "fmt " sub-chunk, "data" sub-chunk。

每一個chunk的格式以下：

塊標識	4Bytes	"RIFF"/"fmt "/"data"
塊長度	4Bytes	接下來「數據」到文件尾的size
數據	X Bytes	具體內容

 

 

 

 

其中，對「塊長度」進行詳細解釋，其大小爲從接下來「數據」部分開始，一直到文件尾結束，其以字節爲單位的大小。可是，"fmt " sub-chunk則有些特別。

例如，"RIFF" chunk，其「塊長度」=file_size - 8Bytes，由於要排除「塊標識」+本「塊長度」的8Bytes。

"fmt " sub-chunk（注意t後面有個空格，必須由4Bytes組成），其大小爲該sub-chunk的大小=16Bytes。

"data" sub-chunk，其大小爲接下來「數據」部分的size，即pcm數據的大小=file_size - 44Bytes（wav頭大小）。

1.4 WAV文件實例分析

經過winhex查看二進制數據以下：

 

PCM基礎知識

(1)採樣頻率(sample rate)：又稱取樣頻率。是單位時間內的採樣次數（一秒鐘採樣多少次信號），決定了數字化音頻的質量。採樣頻率越高，數字化音頻的質量越好、聲音越真實，固然所佔的資源、存儲空間也越多。根據奎特採樣定理，要從採樣中徹底恢復原始信號的波形，採樣頻率要高於聲音中最高頻率的兩倍。人耳可聽到的聲音的頻率範圍是在16Hz-20kHz之間。所以，要將聽到的原聲音真實地還原出來，採樣頻率必須大於4 0k H z 。經常使用的採樣頻率有8 k H z 、1 1 . 02 5 k H z 、22.05kHz、44.1kHz、48kHz等幾種。22.05KHz至關於普通FM廣播的音質，44.1KHz理論上可達到CD的音質。對於高於48KHz的採樣頻率人耳很難分辨，沒有實際意義。錄像設備採集人聲時，一般用16kHz採樣，使用8kHz的則聲音回放時有些悶，使用16k以上時跟16k的分不出區別。而專業錄音棚中錄製時，則一般使用44.1k/48k/96k的採樣率，由於不只要採集人聲，還要採集樂器聲。

(2)採樣位數(bit width)：也叫量化位數(單位：比特)，是存儲每一個採樣值所用的二進制位數。採樣值反應了聲音的波動狀態。採樣位數決定了量化精度。採樣位數越長，量化的精度就越高，還原的波形曲線越真實，產生的量化噪聲越小，回放的效果就越逼真。經常使用的量化位數有四、八、十二、1六、24。量化位數與聲卡的位數和編碼有關。若是採用PCM編碼時使用16位聲卡，可將音頻信號幅度劃分紅了64K個音量等級，取值範圍爲-32768至32767。網絡上音頻文件基本上都是16位採樣精度。

(3)聲道數(channel count)：是使用的聲音通道的個數，也是採樣時所產生的聲音波形的個數。咱們一般接觸到的是單聲道（mono）和立體聲（stereo）。立體聲在採集時，使用兩個mic，兩個mic處於不一樣的位置，其採集時所量化到的二進制值有些差異，所以在回放時會感受到兩個耳朵裏信號有些差別，給人以立體感。

 

WAV實例練習

爲了學習wav封裝格式，特寫了一個工具，用於讀取/寫wav文件，檢查sample_rate/channel_cnt/duration。已上傳GitHub:https://github.com/Dreaming-in-Gottingen/AudioTools

wav_utils文件生成libwav_ops.so庫文件，tests用於測試libwav_ops.so中對wav讀/寫的實現，CStdWavGenerator用於生成標準的音頻文件（如正弦波，方波，三角波）。

碼了這麼多字，實在太費時間了，朋友們能夠下載下來測試一下。有問題，歡迎留言。

之後有時間了，再整一篇文章介紹一下關於pcm增益、採樣率、頻率等問題。