WAV(PCM)文件格式分析

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 C

hunk                     |

|             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;

};

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;

};

写了一个程序把wav文件读取到指定数组中.已知wav文件16位 单声道.

void read_wave(char *str)

{

    int fd,len,k,data_size;

    unsigned char a[44];

    unsigned char b[8000];

    fd=open(str,O_RDONLY);

    len=read(fd,a,44);

    data_size=(((unsigned int)(a[7]))<<24)+(((unsigned int)(a[6]))<<16)+((unsigned int)(a[4]))+(((unsigned int)(a[4])<<8));

    len=read(fd,b,8000);

    close(fd);

    for(k=0;k<4400;k++)

    t[k]=(((unsigned short)(b[2*k]))+(((unsigned short)(b[2*k+1]))<<8)+32768);

    for(k=0;k<4400;k++)

    t[k]=((int)(((int)(t[k]))*400))/65535;

}