wave文件(*.wav)格式、PCM数据格式

1. 音频简介

 

经常见到这样的描述: 44100HZ 16bit stereo 或者 22050HZ 8bit mono 等等.

44100HZ 16bit stereo: 每秒钟有 44100 次采样, 采样数据用 16 位(2字节)记录, 双声道(立体声);

22050HZ 8bit  mono: 每秒钟有 22050 次采样, 采样数据用 8 位(1字节)记录, 单声道;

 

当然也可以有 16bit 的单声道或 8bit 的立体声, 等等。

 

采样率是指：声音信号在“模→数”转换过程中单位时间内采样的次数。采样值是指每一次采样周期内声音模拟信号的积分值。

 

对于单声道声音文件，采样数据为八位的短整数（short int 00H-FFH）；

而对于双声道立体声声音文件，每次采样数据为一个16位的整数（int），高八位(左声道)和低八位(右声道)分别代表两个声道。

 

人对频率的识别范围是 20HZ - 20000HZ, 如果每秒钟能对声音做 20000 个采样, 回放时就足可以满足人耳的需求. 所以 22050 的采样频率是常用的, 44100已是CD音质, 超过48000的采样对人耳已经没有意义。这和电影的每秒 24 帧图片的道理差不多。

 

每个采样数据记录的是振幅, 采样精度取决于储存空间的大小:

1 字节(也就是8bit) 只能记录 256 个数, 也就是只能将振幅划分成 256 个等级;

2 字节(也就是16bit) 可以细到 65536 个数, 这已是 CD 标准了;

4 字节(也就是32bit) 能把振幅细分到 4294967296 个等级, 实在是没必要了.

如果是双声道(stereo), 采样就是双份的, 文件也差不多要大一倍.

 

这样我们就可以根据一个 wav 文件的大小、采样频率和采样大小估算出一个 wav 文件的播放长度。

 

譬如 "Windows XP 启动.wav" 的文件长度是 424,644 字节, 它是 "22050HZ / 16bit / 立体声" 格式(这可以从其 "属性->摘要" 里看到),

那么它的每秒的传输速率(位速, 也叫比特率、取样率)是 22050*16*2 = 705600(bit/s), 换算成字节单位就是 705600/8 = 88200(字节/秒), 
播放时间：424644(总字节数) / 88200(每秒字节数) ≈ 4.8145578(秒)。

但是这还不够精确, 包装标准的 PCM 格式的 WAVE 文件(*.wav)中至少带有 42 个字节的头信息, 在计算播放时间时应该将其去掉, 
所以就有：(424644-42) / (22050*16*2/8) ≈ 4.8140816(秒). 这样就比较精确了.

 

关于声音文件还有一个概念: "位速", 也有叫做比特率、取样率, 譬如上面文件的位速是 705.6kbps 或 705600bps, 其中的 b 是 bit, ps 是每秒的意思;

 

压缩的音频文件常常用位速来表示, 譬如达到 CD 音质的 MP3 是: 128kbps / 44100HZ.

 

2. wave文件格式

 

2.1 概述

 

WAVE文件是计算机领域最常用的数字化声音文件格式之一，它是微软专门为Windows系统定义的波形文件格式（Waveform Audio），由于其扩展名为"*.wav"。

 

WAVE是录音时用的标准的WINDOWS文件格式，文件的扩展名为“WAV”，数据本身的格式为PCM或压缩型。

WAV文件格式是一种由微软和IBM联合开发的用于音频数字存储的标准，它采用RIFF文件格式结构，非常接近于AIFF和IFF格式。符合 PIFF Resource Interchange File Format规范。所有的WAV都有一个文件头，这个文件头音频流的编码参数。

 

WAV对音频流的编码没有硬性规定，除了PCM之外，还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码。

 

多媒体应用中使用了多种数据，包括位图、音频数据、视频数据以及外围设备控制信息等。RIFF为存储这些类型的数据提供了一种方法，RIFF文件所包含的数据类型由该文件的扩展名来标识，能以RIFF文件存储的数据包括：

音频视频交错格式数据(.AVI) 、波形格式数据(.WAV) 、位图格式数据(.RDI) 、MIDI格式数据(.RMI) 、调色板格式(.PAL) 、多媒体电影(.RMN) 、动画光标(.ANI) 、其它RIFF文件(.BND)。

 

wave文件有很多不同的压缩格式，所以，正确而详细地了解各种WAVE文件的内部结构是成功完成压缩和解压缩的基础，也是生成特有音频压缩格式文件的前提。

 

最基本的WAVE文件是PCM（脉冲编码调制）格式的，这种文件直接存储采样的声音数据没有经过任何的压缩，是声卡直接支持的数据格式，要让声卡正确播放其它被压缩的声音数据，就应该先把压缩的数据解压缩成PCM格式，然后再让声卡来播放。

 

2.2 Wave文件的内部结构

 

注：由于WAV格式源自Windows/Intel环境，因而采用Little-Endian字节顺序进行存储。

 

WAVE文件是以RIFF(Resource Interchange File Format, "资源交互文件格式")格式来组织内部结构的。

 

RIFF文件结构可以看作是树状结构，其基本构成是称为"块"（Chunk）的单元，最顶端是一个“RIFF”块，下面的每个块有“类型块标识(可选)”、“标志符”、“数据大小”及“数据”等项所组成。块的结构如表1所示：


名称
Size
备注

块标志符
4
４个小写字符(如 "fmt ", "fact", "data" 等)

数据大小
4
DWORD类型,表示后接数据的大小(N Bytes)

数据
N
本块中正式数据部分

表１：基本chunk的内部结构

 

上面说到的“类型块标识”只在部分chunk中用到，如 "WAVE" chunk中，这时表示下面嵌套有别的chunk。

 

当使用了 "类型块标识" 时，该chunk就没有别的项（如块标志符，数据大小等），它只作为文件读取时的一个标识。先找到这个“类型块标识”，再以它为起点读取它下面嵌套的其它chunk。

 

每个文件最前端写入的是RIFF块，每个文件只有一个RIFF块。从 Wave文件格式详细说明 中可以看到这一点。

非PCM格式的文件会至少多加入一个 "fact" 块，它用来记录数据(注意是数据而不是文件)解压缩后的大小。这个 "fact" 块一般加在 "data" 块的前面。

 

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 Wav格式包含Chunk示例

 

 

            Fact Chunk

    =======================================

    |      |所占字节数|      具体内容       |

    =======================================

    |  ID  | 4Bytes |      "fact"         |

    ---------------------------------------

    | Size | 4Bytes |        4            |

    ---------------------------------------

    | data | 4Bytes |解压后的音频数据的大小(B)|

    ---------------------------------------

         图   Fact Chunk

 

 

2.3 Wave文件格式详细说明

 

别名               字节数    类型       注释

ckid                4       char      "RIFF" 标志, 大写

cksize              4       int32     文件长度。这个长度不包括"RIFF"标志 和

                                          文件长度 本身所占字节, 下面的

                                          子块大小也是这样。

  fcc type          4       char      "WAVE" 类型块标识, 大写。

    ckid            4       char      表示"fmt" chunk的开始。此块中包括文

                                          件内部格式信息。小写, 最后一个

                                          字符是空格。

    cksize          4       int32     文件内部格式信息数据的大小。

      FormatTag     2       int16     音频数据的编码方式。1 表示是 PCM 编码

      Channels      2       int16     声道数，单声道为1，双声道为2

      SamplesPerSec 4       int32     采样率(每秒样本数), 比如 44100 等

      BytesPerSec   4       int32     音频数据传送速率, 单位是字节。其值为

                                          采样率×每次采样大小。播放软件

                                          利用此值可以估计缓冲区的大小。

      BlockAlign    2       int16     每次采样的大小 = 采样精度*声道数/8(单

                                          位是字节); 这也是字节对齐的最

                                          小单位, 譬如 16bit 立体声在这

                                          里的值是 4 字节。播放软件需要

                                          一次处理多个该值大小的字节数

                                          据，以便将其值用于缓冲区的调整。

      BitsPerSample 2       int16     每个声道的采样精度; 譬如 16bit 在这

                                          里的值就是16。如果有多个声道，则

                                          每个声道的采样精度大小都一样的。

      [cbsize]      2       int16     [可选]附加数据的大小。

      [...]         x     

  [ckid]            4       char      "fact".

 

  [cksize]          4       int32     "fact" chunk data size.

  [fact data]       4       int32     解压后的音频数据的大小(Bytes).

 

  ckid              4       char      表示 "data" chunk的开始。此块中包含

                                          音频数据。小写。

  cksize            4       int32     音频数据的长度

    ......                            文件声音信息数据(真正声音存储部分)

  [......]                            其它 chunk

 

 

2.4 Windows平台上WAVEFORMAT结构的认识

 

PCM和非PCM的主要区别是声音数据的组织不同，这些区别可以通过两者的WAVEFORMAT结构来区分。

下面以PCM和IMA-ADPCM来进行对比。

 

WAVE的基本结构 WAVEFORMATEX 结构定义如下：

 1 typedef struct 2 { 3     WORD  wFormatag; //编码格式，包括WAVE_FORMAT_PCM，WAVEFORMAT_ADPCM等 4     WORD  nChannls; //声道数，单声道为1，双声道为2; 5   6     DWORD  nSamplesPerSec; //采样频率； 7   8     DWORD  nAvgBytesperSec；  //每秒的数据量； 9  10     WORD  nBlockAlign; //块对齐；11  12     WORD  wBitsPerSample; //WAVE文件的采样大小；13  14     WORD  cbSize; // The count in bytes of the size of extra15 // information(after cbSize). PCM中忽略此值16  } WAVEFORMATEX;

 

IMAADPCMWAVEFORMAT结构定义如下：

  

1 Typedef struct2 {3     WAVEFORMATEX  wfmt;4 5     WORD  nSamplesPerBlock;6    7 } IMAADPCMWAVEFORMAT;

 

IMA-ADPCM中的的wfmt->cbsize不能忽略，一般取值为2，表示此类型的WAVEFORMAT比一般的WAVEFORMAT多出2个字节。这两个字符也就是nSamplesPerBlock。

 

"fact" chunk的内部组织

在非PCM格式的文件中,一般会在WAVEFORMAT结构后面加入一个 "fact" chunk, 结构如下：


1

2

3

4

5

6

7

8

9

typedef struct{

 

    char[4]; //“fact”字符串

 

    DWORD chunksize;

 

    DWORD datafactsize; // 音频数据转换为PCM格式后的大小。

 

} factchunk;

 

datafactsize是这个chunk中最重要的数据，如果这是某种压缩格式的声音文件，那么从这里就可以知道他解压缩后的大小。对于解压时的计算会有很大的好处！

 

2.5 "data" chunk的内部组织

 

从 "data" chunk的第9个字节开始，存储的就是声音信息的数据了，(前八个字节存储的是标志符 "data" 和后接数据大小size(DWORD)。这些数据可以是压缩的，也可以是没有压缩的。

 

3. PCM数据格式

 

PCM(Pulse Code Modulation)也被称为 脉码编码调制。PCM中的声音数据没有被压缩，如果是单声道的文件，采样数据按时间的先后顺序依次存入。(它的基本组织单位是BYTE(8bit)或WORD(16bit))

 

一般情况下，一帧PCM是由2048次采样组成的( 参考 http://discussion.forum.nokia.com/forum/showthread.php?129458-请问PCM格式的音频流，每次读入或输出的块的大小是必须固定为4096B么&s=e79e9dd1707157281e3725a163844c49 )。

 

如果是双声道的文件，采样数据按时间先后顺序交叉地存入。如图所示:

 

 

PCM的每个样本值包含在一个整数i中，i的长度为容纳指定样本长度所需的最小字节数。

首先存储低有效字节，表示样本幅度的位放在i的高有效位上，剩下的位置为0，这样8位和16位的PCM波形样本的数据格式如下所示。

 

    样本大小      数据格式            最小值    最大值

    8位PCM       unsigned int         0       225

    16位PCM      int                -32767    32767

 

 

参考资料：

[1]http://redsoft.ycool.com/post.2232742.html

[2]http://dev.firnow.com/course/3_program/hb/hbxl/20100803/518348.html

[3]http://hi.baidu.com/kindyb/blog/item/0a314f8859489c93a4c27297.html

[4]http://hi.baidu.com/kindyb/blog/item/353f4813df8799055aaf5397.html

[5]http://hi.baidu.com/kindyb/blog/item/2f31daa93f5ed4fb1e17a291.html

[6]http://hi.baidu.com/bigbigant/blog/item/7b91aa01e46dd4021d958317.html

时间： 2024-10-28 01:49:24

wave文件(*.wav)格式、PCM数据格式的相关文章

音频格式PCM数据简介

1. 音频简介        经常见到这样的描述: 44100HZ 16bit stereo 或者 22050HZ 8bit mono 等等.      44100HZ 16bit stereo: 每秒钟有 44100 次采样, 采样数据用 16 位(2字节)记录, 双声道(立体声);      22050HZ 8bit  mono: 每秒钟有 22050 次采样, 采样数据用 8 位(1字节)记录, 单声道;       当然也可以有 16bit 的单声道或 8bit 的立体声, 等等.   

怎样用Flash AIR保存实时录音的文件（格式是wav）呢？

问题描述 怎样用Flash AIR保存实时录音的文件(格式是wav)呢? 不使用FileReference类,不出现文件保存的对话框么,而是点击一个保存按钮就可以自动保存并可以回放 解决方案 http://www.shirne.com/cate-45/193.html

C#获取WAVE文件文件头信息

C#获取WAVE文件文件头信息 前些日子在论坛里问了,没人回答,今天有空自己写了一下 文件格式依据网站 http://www.moon-soft.com/program/FORMAT/ using System; using System.IO; using System.Text; namespace WAV { /// <summary> /// Summary description for Wav. /// </summary> public class Wav { pub

asp.net.想要实现一个文字字符串转换成MP3和wav格式的语音

问题描述 asp.net.想要实现一个文字字符串转换成MP3和wav格式的语音 2C 文字字符串转换成MP3和wav格式的语音文件并且存入数据库,请问如何实现.需要转换成音频文件后可以读出文字内容 解决方案 你需要一个与字符对应的音频库,就像电子琴.比如1对应声音多,2对应声音来,3对应声音咪--,还有长音,短音,4分,8分等等,当你输入一个字符串时,找到跟他对应的声音,就能实现准确的转换了.

rmvb格式视频怎么转换成wav格式

  平时我们看的演唱会视频或者MV什么都是rmvb格式,但是想在手机在听里面的歌而且又能不看MV怎么弄,要知道手机看视频是不能后台的,你一退回桌面的话它是会关掉的,所以我们要转换格式,转成wav或者其他音频格式.下面我教大家怎么把rmvb格式转wav格式. 第一步,咱们先把视频文件"添加"进来,点添加按钮然后找到你的视频文件就可以添加进来了,当然,你也可以直接把文件拖进来. 第二步,咱们要选择要转成音频格式,所以点击"预置方案",然后点"常用音频"

vc++-VC++6.0播放wav格式音乐

问题描述 VC++6.0播放wav格式音乐 调用playsound ()函数. void CKTVClientDlg::OnPlay() { PlaySound("C:UsersAdministratorDesktopKTVClient1.wav ", NULL, SND_FILENAME | SND_ASYNC); } 也加了头文件#include "windows.h" #include "Mmsystem.h" #pragma commen

mac下 如何使用afconvert转换音频文件的格式?

问题描述 mac下 如何使用afconvert转换音频文件的格式? 请教,如何使用afconvert把.mp3转成.acc. 使用格式如下: afconvert [option...] input_file [output_file] 问题是option应该如何选择? 输入afconvert -hf 输出: '3gpp' = 3GP Audio (.3gp) data_formats: 'Qclp' 'aac ' 'aace' 'aacf' 'aach' 'aacl' 'aacp' 'samr'

关于‘文件存储格式’和‘文件内容格式’需要掰一掰的那点儿事儿

关于'文件存储格式'和'文件内容格式'需要掰一掰的那点儿事儿 太阳火神的美丽人生 (http://blog.csdn.net/opengl_es) 本文遵循"署名-非商业用途-保持一致"创作公用协议 转载请保留此句:太阳火神的美丽人生 -  本博客专注于 敏捷开发及移动和物联设备研究:iOS.Android.Html5.Arduino.pcDuino,否则,出自本博客的文章拒绝转载或再转载,谢谢合作. 先来说个例子,来引用题中的问题,后面会尽可能列出大把的实际存在的关于这俩家伙的事儿,

DLL头文件的格式和应用

1.DLL的起源 动态链接库(DLL)是从C语言函数库和Pascal库单元的概念发展而 来的.所有的C语言标准库函数都存放在某一函数库中.在链接应用程序的过程中,链接器从 库文件中拷贝程序调用的函数代码,并把这些函数代码添加到可执行文件中.这种方法同只 把函数储存在已编译的OBJ文件中相比更有利于代码的重用. 但随着Windows这样的多 任务环境的出现,函数库的方法显得过于累赘.如果为了完成屏幕输出.消息处理.内存管 理.对话框等操作,每个程序都不得不拥有自己的函数,那么Windows程序将变