wav文件格式分析详解（darkdragonking认为比较全的了）

快来打我* 2022-08-07 02:39 190阅读 0赞

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：

[![wav文件格式分析详解（网络转载）][wav]][wav_wav][![wav文件格式分析详解（网络转载）][wav 1]][wav_wav 1]

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。

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'  
\};

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/][http_www.codeguru.com_cpp_g-m_multimedia_audio_article.php_c8935_1]  
    3、[http://www.smth.org/pc/pcshowcom.php?cid=129276][http_www.smth.org_pc_pcshowcom.php_cid_129276]

4、[http://icculus.org/SDL\_sound/downloads/external\_documentation/wavecomp.htm][http_icculus.org_SDL_sound_downloads_external_documentation_wavecomp.htm] (英文详细说明)

下面是另一篇文章的转载和摘抄

这是[JRTPLIB@Conference][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[tinnal@136.com][tinnal_136.com]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。

代码上的实现

根据上面的格式规定，我们把它写成一头文件wav.h

#ifndef _WAV_H_
    #define _WAV_H_
    
    #include "types.h"
    
    #pragma pack(1)
    
    struct RIFF_HEADER
    {
        U8        szRiffID[4];  // 'R','I','F','F'
        U32        dwRiffSize;
        U8        szRiffFormat[4]; // 'W','A','V','E'
    };
    
    struct WAVE_FORMAT
    {
        U16        wFormatTag;
        U16        wChannels;
        U32        dwSamplesPerSec;
        U32        dwAvgBytesPerSec;
        U16        wBlockAlign;
        U16        wBitsPerSample;
        U16        pack;        //附加信息
    };
    struct FMT_BLOCK
    {
        U8        szFmtID[4]; // 'f','m','t',' '
        U32        dwFmtSize;
        struct    WAVE_FORMAT wavFormat;
    };
    
    struct FACT_BLOCK
    {
        U8        szFactID[4]; // 'f','a','c','t'
        U32        dwFactSize;
    };
    
    struct DATA_BLOCK
    {
        U8        szDataID[4]; // 'd','a','t','a'
        U32        dwDataSize;
    };
    
    
    #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

/*******************************************************
    *    这是配合我的博客《JRTPLIB@Conference DIY视频会议系统》
    *    而写的一个阶段性实验。
    *    作者：冯富秋 tinnal
    *    邮箱：tinnal@163.com
    *    博客：www.cnitblog.com/tinnal/
    *    目期：2009-01-03
    *    版本：1.00
    *********************************************************/
    
    #include "stdio.h"
    #include "string.h"
    #include "types.h"
    #include "g711.h"
    #include "wav.h"
    
    struct RIFF_HEADER    riff_header;
    struct FMT_BLOCK    fmt_block;
    char   fack_block_buffer[20];        //20 should be enough
    struct FACT_BLOCK    fact_block;
    struct DATA_BLOCK    data_block;
    
    int main(int argc, char **argv)
    {
        FILE *wav_in;
        FILE *wav_out;
        U32 i;
        U8    has_fact_block =0;
    
        unsigned char pcm_bytes[2];
        short pcm;
        unsigned char a_law;    
    
        long file_pos;
    
        if(argc != 3 )
        {
            printf("Usage:\n\t%s <intput file> <output file>\n", argv[0]);
            exit(-1);
        }
    
        wav_in = fopen(argv[1],"rb");
        if(wav_in == NULL)
        {
            printf("Can't open input file %s\n", argv[1]);
            return (-1);
        }
    
        wav_out = fopen(argv[2], "wb");
        if( wav_out == NULL)
        {
            printf("Can't open output file %s\n",argv[2]);
            fclose(wav_in);
            return(-1);
        }
        
        file_pos = ftell(wav_in);
    
        //Read RIFF_HEADER
        fread(&riff_header, sizeof(struct RIFF_HEADER), 1, wav_in);
        if(    memcmp(riff_header.szRiffID, "RIFF", 4) != 0 ||
            memcmp(riff_header.szRiffFormat, "WAVE", 4) != 0 )
        {
            printf("No a vaild wave file!\n");
            fclose(wav_in);
            fclose(wav_out);
            return(-1);
        }
        file_pos = ftell(wav_in);
    
        //Read FMT_BLOCK
        fread(&fmt_block, sizeof(struct FMT_BLOCK), 1, wav_in);
        if(    memcmp(fmt_block.szFmtID, "fmt ", 4) !=0 ||
            fmt_block.dwFmtSize != 18 ||
            fmt_block.wavFormat.wFormatTag != 0x1 ||
            fmt_block.wavFormat.wChannels != 0x1 ||
            fmt_block.wavFormat.dwSamplesPerSec != 8000 ||
            fmt_block.wavFormat.wBitsPerSample != 16)
        {
            printf("Sorry this is only test program,\n"
                "we only support follow format,\n"
                "\t 1. Format:        linear PCM \n"
                "\t 2. Samples Rate:  8000 KHz \n"
                "\t 3. Channels:      one channel \n"
                "\t 4. BitsPerSample: 16 \n");
            fclose(wav_in);
            fclose(wav_out);
            return(-1);
        }
        
        file_pos = ftell(wav_in);
    
        //Try to read FACT_BLOCK
        file_pos = ftell(wav_in);
        fread(&fact_block, sizeof(struct FACT_BLOCK), 1, wav_in);
        if( memcmp(fact_block.szFactID, "fact", 4) == 0 )
        {    
            has_fact_block =1;
            fread(&fack_block_buffer, fact_block.dwFactSize, 1, wav_in);
        }
        else
            fseek(wav_in, file_pos, SEEK_SET);
        
        fread(&data_block, sizeof(struct DATA_BLOCK), 1, wav_in);
        if (memcmp(data_block.szDataID, "data", 4) != 0)
        {
            printf("OOh what error?\n");
            fclose(wav_in);
            fclose(wav_out);
            return(-1);
        }
    
        //Change the wave header to write
        riff_header.dwRiffSize                    -=    data_block.dwDataSize/2 ;
        
        fmt_block.wavFormat.wFormatTag            =    0x06;
        fmt_block.wavFormat.wChannels            =    0x01;
        fmt_block.wavFormat.dwSamplesPerSec        =    8000;
        fmt_block.wavFormat.dwAvgBytesPerSec    =    8000;
        fmt_block.wavFormat.wBlockAlign            =    0x01;
        fmt_block.wavFormat.wBitsPerSample        =    0x08;
    
        data_block.dwDataSize                    -=    data_block.dwDataSize/2 ;
    
        //Write wave file header
        fwrite(&riff_header, sizeof(struct RIFF_HEADER), 1, wav_out);
        fwrite(&fmt_block, sizeof(struct FMT_BLOCK), 1, wav_out);
        if(has_fact_block == 1) 
        {
            fwrite(&fact_block, sizeof(struct FACT_BLOCK), 1, wav_out);
            fwrite(&fack_block_buffer, fact_block.dwFactSize, 1, wav_out);
        }
        fwrite(&data_block, sizeof(struct DATA_BLOCK), 1, wav_out);
    
        //Convert pcm data to a-low data  and  write wav file.
        for(i =0; i< data_block.dwDataSize; i++)
        {
            pcm_bytes[0] = (U8) fgetc(wav_in);
            pcm_bytes[1] = (U8) fgetc(wav_in);
            pcm = *(short *)&pcm_bytes;
    
            a_law     = ALawEncode((int)pcm);
    //        a_law     = linear2alaw((int)pcm);
            fputc(a_law, wav_out);
        }
        fclose(wav_in);
        fclose(wav_out);
        
        printf("Finish!\n");
        return 0;
    }

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。

<span style="font-family:KaiTi_GB2312;">//省略的代码
    unsigned char ALawEncode(int pcm16)
    {
        int p = pcm16;
        unsigned a;  // A-law value we are forming
        if(p<0)
        {
            // -ve value
            // Note, ones compliment is used here as this keeps encoding symetrical
            // and equal spaced around zero cross-over, (it also matches the standard).
            p = ~p;
            a = 0x00; // sign = 0
        }
        else
        {
            // +ve value
            a = 0x80; // sign = 1
        }
        
        // Calculate segment and interval numbers
        p >>= 4;
        if(p>=0x20)
        {
            if(p>=0x100)
            {
                p >>= 4;
                a += 0x40;
            }
            if(p>=0x40)
            {
                p >>= 2;
                a += 0x20;
            }
            if(p>=0x20)
            {
                p >>= 1;
                a += 0x10;
            }
        }
        // a&0x70 now holds segment value and 'p' the interval number
        
        a += p;  // a now equal to encoded A-law value
        
        return a^0x55;    // A-law has alternate bits inverted for transmission
    }
    //省略的代码
    </span>

[wav]: http://s7.sinaimg.cn/bmiddle/4a0444b8h6731b1100806
[wav_wav]: http://photo.blog.sina.com.cn/showpic.html#blogid=4a0444b80100cto1&url=http://s7.sinaimg.cn/orignal/4a0444b8h6731b1100806
[wav 1]: http://s16.sinaimg.cn/bmiddle/4a0444b8h6731b2b8debf
[wav_wav 1]: /images/20220805/7fe704ce10614d41bdc43d52d5c19b93.png
[http_www.codeguru.com_cpp_g-m_multimedia_audio_article.php_c8935_1]: http://www.codeguru.com/cpp/g-m/multimedia/audio/article.php/c8935__1/
[http_www.smth.org_pc_pcshowcom.php_cid_129276]: http://www.smth.org/pc/pcshowcom.php?cid=129276
[http_icculus.org_SDL_sound_downloads_external_documentation_wavecomp.htm]: http://icculus.org/SDL_sound/downloads/external_documentation/wavecomp.htm
[JRTPLIB_Conference]: mailto:JRTPLIB@Conference
[tinnal_136.com]: mailto:tinnal@136.com