wav文件格式分析詳解

作者：曹京
日期：2006年7月17日

一、綜述
??? WAVE文件作為多媒體中使用的聲波文件格式之一，它是以RIFF格式為標準的。
RIFF是英文Resource Interchange File Format的縮寫，每個WAVE文件的頭四個
字節便是“RIFF”。
??? WAVE文件是由若干個Chunk組成的。按照在文件中的出現位置包括：RIFF WAVE
Chunk, Format Chunk, Fact Chunk(可選), Data Chunk。具體見下圖：

------------------------------------------------
|???????????? RIFF WAVE Chunk????????????????? |
|???????????? ID? = 'RIFF'???????????????????? |
|???????????? RiffType = 'WAVE'??????????????? |
------------------------------------------------
|???????????? Format Chunk???????????????????? |
|???????????? ID = 'fmt '????????????????????? |
------------------------------------------------
|???????????? Fact Chunk(optional)???????????? |
|???????????? ID = 'fact'????????????????????? |
------------------------------------------------
|???????????? Data Chunk?????????????????????? |
|???????????? ID = 'data'????????????????????? |
------------------------------------------------
??????????? 圖1?? Wav格式包含Chunk示例

??? 其中除了Fact Chunk外，其他三個Chunk是必須的。每個Chunk有各自的ID，位
于Chunk最開始位置，作為標示，而且均為4個字節。并且緊跟在ID后面的是Chunk大
小（去除ID和Size所占的字節數后剩下的其他字節數目），4個字節表示，低字節
表示數值低位，高字節表示數值高位。下面具體介紹各個Chunk內容。
PS：
??? 所有數值表示均為低字節表示低位，高字節表示高位。

??? 以'FIFF'作為標示，然后緊跟著為size字段，該size是整個wav文件大小減去ID
和Size所占用的字節數，即FileLen - 8 = Size。然后是Type字段，為'WAVE'，表
示是wav文件。
??? 結構定義如下：
?struct RIFF_HEADER
?{
? char szRiffID[4];? // 'R','I','F','F'
? DWORD dwRiffSize;
? char szRiffFormat[4]; // 'W','A','V','E'
?};

Format Chunk
??? ====================================================================
??? |?????????????? |?? 字節數? |????????????? 具體內容??????????????? |
??? ====================================================================
??? | ID??????????? |? 4 Bytes? |?? 'fmt '???????????????????????????? |
??? --------------------------------------------------------------------
??? | Size????????? |? 4 Bytes? | 數值為16或18，18則最后又附加信息???? |
??? --------------------------------------------------------------------? ----
??? | FormatTag???? |? 2 Bytes? | 編碼方式，一般為0x0001(詳見后文)???? |???? |
??? --------------------------------------------------------------------???? |
??? | Channels????? |? 2 Bytes? | 聲道數目，1--單聲道；2--雙聲道?????? |???? |
??? --------------------------------------------------------------------???? |
??? | SamplesPerSec |? 4 Bytes? | 采樣頻率???????????????????????????? |???? |
??? --------------------------------------------------------------------???? |
??? | AvgBytesPerSec|? 4 Bytes? | 每秒所需字節數?????????????????????? |???? |===> WAVE_FORMAT
??? --------------------------------------------------------------------???? |
??? | BlockAlign??? |? 2 Bytes? | 數據塊對齊單位(每個采樣需要的字節數) |???? |
??? --------------------------------------------------------------------???? |
??? | BitsPerSample |? 2 Bytes? | 每個采樣需要的bit數????????????????? |???? |
??? --------------------------------------------------------------------???? |
??? |?????????????? |? 2 Bytes? | 附加信息（可選，通過Size來判斷有無） |???? |
??? --------------------------------------------------------------------? ----
??????????????????????????? 圖3? Format Chunk

??? 以'fmt '作為標示。一般情況下Size為16，此時最后附加信息沒有；如果為18
則最后多了2個字節的附加信息。主要由一些軟件制成的wav格式中含有該2個字節的
附加信息。
??? 結構定義如下：
?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;
?};

補充頭文件樣例說明：

首先是一串“52 49 46 46”這個是Ascii字符“RIFF”，這部分是固定格式，表明這是一個WAVE文件頭。
然后是“E4 3C 00 00”，這個是我這個WAV文件的數據大小，記住這個大小是包括頭文件的一部分的，包括除了前面8個字節的所有字節，也就等于文件總字節數減去8。這是一個DWORD，我這個文件對應是15588。
然后是“57 41 56 45 66 6D 74 20”，也是Ascii字符“WAVEfmt”，這部分是固定格式。
然后是PCMWAVEFORMAT部分，可以對照一下上面的struct定義，首先就是一個WAVEFORMAT的struct。
隨后是“10 00 00 00”，這是一個DWORD，對應數字16，這個對應定義中的Sizeof(PCMWAVEFORMAT)，后面我們可以看到這個段內容正好是16個字節。
隨后的字節是“01 00”，這是一個WORD，對應定義為編碼格式“WAVE_FORMAT_PCM”，我們一般用的是這個。
隨后的是“01 00”，這是一個WORD，對應數字1，表示聲道數為1，這是個單聲道Wav。
隨后的是“22 56 00 00”，這是一個DWORD，對應數字22050，代表的是采樣頻率22050。
隨后的是“44 AC 00 00”，這是一個DWORD，對應數字44100，代表的是每秒的數據量。
然后是“02 00”，這是一個WORD，對應數字是2，表示塊對齊的內容，含義不太清楚。
然后是“10 00”，這是一個WORD，對應WAVE文件的采樣大小，數值為16，采樣大小為16Bits。
然后是一串“64 61 74 61”，這個是Ascii字符“data”，標示頭結束，開始數據區域。
而后是數據區的開頭，有一個DWORD，我這里的字符是“C0 3C 00 00”，對應的十進制數為15552，看一下前面正好可以看到，文件大小是15596，其中到“data”標志出現為止的頭是40個字節，再減去這個標志的4個字節正好是15552，再往后面就是真正的Wave文件的數據體了，頭文件的解析就到這里。

Fact Chunk
??? ==================================
??? |?????? |所占字節數|? 具體內容?? |
??? ==================================
??? | ID??? |? 4 Bytes |?? 'fact'??? |
??? ----------------------------------
??? | Size? |? 4 Bytes |?? 數值為4?? |
??? ----------------------------------
??? | data? |? 4 Bytes |???????????? |
??? ----------------------------------
??????????? 圖4? Fact Chunk

??? Fact Chunk是可選字段，一般當wav文件由某些軟件轉化而成，則包含該Chunk。
??? 結構定義如下：
?struct FACT_BLOCK
?{
? char? szFactID[4]; // 'f','a','c','t'
? DWORD? dwFactSize;
?};

Data Chunk
??? ==================================
??? |?????? |所占字節數|? 具體內容?? |
??? ==================================
??? | ID??? |? 4 Bytes |?? 'data'??? |
??? ----------------------------------
??? | Size? |? 4 Bytes |???????????? |
??? ----------------------------------
??? | data? |????????? |???????????? |
??? ----------------------------------
???????????? 圖5 Data Chunk

??? Data Chunk是真正保存wav數據的地方，以'data'作為該Chunk的標示。然后是
數據的大小。緊接著就是wav數據。根據Format Chunk中的聲道數以及采樣bit數，
wav數據的bit位置可以分成以下幾種形式：
??? ---------------------------------------------------------------------
??? |?? 單聲道? |??? 取樣1??? |??? 取樣2??? |??? 取樣3??? |??? 取樣4??? |
??? |?????????? |--------------------------------------------------------
??? |? 8bit量化 |??? 聲道0??? |??? 聲道0??? |??? 聲道0??? |??? 聲道0??? |
??? ---------------------------------------------------------------------
??? |?? 雙聲道? |????????? 取樣1??????????? |?????????? 取樣2?????????? |
??? |?????????? |--------------------------------------------------------
??? |? 8bit量化 |? 聲道0(左)? |? 聲道1(右)? |? 聲道0(左)? |? 聲道1(右)? |
??? ---------------------------------------------------------------------
??? |?????????? |????????? 取樣1??????????? |?????????? 取樣2?????????? |
??? |?? 單聲道? |--------------------------------------------------------
??? | 16bit量化 |??? 聲道0??? |? 聲道0????? |??? 聲道0??? |? 聲道0????? |
??? |?????????? | (低位字節)? | (高位字節)? | (低位字節)? | (高位字節)? |
??? ---------------------------------------------------------------------
??? |?????????? |???????????????????????? 取樣1???????????????????????? |
??? |?? 雙聲道? |--------------------------------------------------------
??? | 16bit量化 |? 聲道0(左)? |? 聲道0(左)? |? 聲道1(右)? |? 聲道1(右)? |
??? |?????????? | (低位字節)? | (高位字節)? | (低位字節)? | (高位字節)? |
??? ---------------------------------------------------------------------

??? ---------------------------------------------------------------------
???????????????????????? 圖6 wav數據bit位置安排方式

??? Data Chunk頭結構定義如下：
??? struct DATA_BLOCK
?{
? char szDataID[4]; // 'd','a','t','a'
? DWORD dwDataSize;
?};

FormatTag:說明

#define WAVE_FORMAT_UNKNOWN 0x0000 /* Microsoft Corporation */
#define WAVE_FORMAT_PCM 0x0001???? /* Microsoft Corporation */
#define WAVE_FORMAT_ADPCM 0x0002?? /* Microsoft Corporation */
#define WAVE_FORMAT_ALAW 0x0006??? /* Microsoft Corporation */
#define WAVE_FORMAT_MULAW 0x0007?? /* Microsoft Corporation */
#define WAVE_FORMAT_GSM610 0x0031? /* Microsoft Corporation */
#define WAVE_FORMAT_MPEG 0x0050?? /* Microsoft Corporation */

三、小結
??? 因此，根據上述結構定義以及格式介紹，很容易編寫相應的wav格式解析代碼。
這里具體的代碼就不給出了。

四、參考資料
??? 1、李敏, 聲頻文件格式WAVE的轉換, 電腦知識與技術(學術交流), 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 (英文詳細說明)

本文來自CSDN博客，轉載請標明出處：http://blog.csdn.net/xzdwfwt111/archive/2009/03/03/3949969.aspx