WAV格式文件分析
目录
- WAV格式文件分析
- 概述
- 一、WAV格式文件
- 1、波形声音文件格式 WAV
- 2、音频文件参数简介
- 二、文件结构
- 1、WAV文件的文件头
- 2、WAV文件的数据体
- 三、WAV格式文件数据体结构
- 1、RIFF Chunk区块
- 2、Format Chunk区块
- 3、DATA区块
- 总结
- 参考及引用材料
概述
WAV格式目前是最常见的音频文件格式之一，是微软公司专门为旗下Windows操作系统开发的一种标准数字音频文件。WAV格式文件最早于1991年8月出现在Windows 3.1操作系统上，文件扩展名为*.wav，是WaveForm的简写，也称为波形文件，可直接存储声音波形，且还原的波形曲线十分逼真。
本质上，WAV文件格式是一种存储声音波形的数字音频格式，是由微软公司和IBM联合设计的，经过了多次修订，可用于Windows，Macintosh，Linux等多种操作系统。WAV支持多种音频数字、取样频率和声道，标准格式化的WAV文件和CD格式一样，也是44.1kHz的取样频率，16位量化数字，因此声音文件质量和CD相差无几。同时，WAV格式文件还有真实记录自然声波形、数据压缩程度低、数据量相对较大等特点。
在本文中，作者则以多媒体文件的“容器”概念出发，针对WAV格式文件的文件结构、数据组织结构、元数据信息等方面作简要的说明。
一、WAV格式文件
1、波形声音文件格式 WAV
WAV即波形声音文件格式 (Waveform Audio File Format，简称WAVE，因后缀为*.wav故简称WAV文件)，其采用RIFF（Resource Interchange File Format，资源互换文件格式）结构，并符合（RIFF）规范，用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持。Wave格式支持MSADPCM、CCITT A律、CCITT μ律和其他压缩算法，支持多种音频位数、采样频率和声道，是PC机上最为流行的声音文件格式；但由于“无损”的特点，WAV文件格式所占用的磁盘空间相对较大（每分钟的音乐大约需要12MB磁盘空间），故此文件格式多用于存储简短的声音片段。同时WAV文件格式通常用来保存PCM格式的原始音频数据，所以通常被称为无损音频。但是严格意义上来讲，WAV也可以存储其它压缩格式的音频数据。
2、音频文件参数简介
对于形如44100HZ 16bit stereo 或者 22050HZ 8bit mono参数描述的音频文件，其蕴含的文件参数包括：
- 采样率：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（采样精度）：每一次采样周期内声音模拟信号的积分值。
同时，每个采样数据记录的是振幅, 而采样精度取决于储存空间的大小。
对于单声道（mono）文件，采样数据为8位的短整数，同时其采样精度有：
- 1 字节（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（16bit） 可以细到 65536 个数, 即为 CD 标准；
- 4 字节（32bit） 能把振幅细分到 4294967296 个等级, 实在是没必要了。
对于双声道立体声（stereo）文件，每次采样数据为一个16位的整数（int），且采样是双份的，也为单声道文件的两倍。采样数据中高八位(左声道)和低八位(右声道)分别代表两个声道。
由于wav格式文件本质上为音频文件，即可根据文件的大小、采样频率和采样大小估算文件的播放长度。
二、文件结构
WAV文件遵循RIFF规则，其数据体以区块（Chunk）为最小单位进行存储，而整个文件则以文件头进行标识。其结构示意如下表与图。
| WAV Head | Data Chunk | …… | Data Chunk |
|---|
1、WAV文件的文件头
PNG格式文件的文件头是由位固定的字节进行描述，其大小占44个字节。
char *header = new char[44]; //wav文件头
其中前四字节为资源交换文件标志“RIFF”。
header[0] ='R';
header[1] ='I';
header[2] ='F';
header[3] ='F';
后40字节则分别声明音频文件参数，包括：
int file_size; //文件大小
int channel; //声道数
int sample_rate; //采样率
int bit_rate; //比特率
int sample_bit; //每个采样点的位数
int data_size; //pcm数据的大小
2、WAV文件的数据体
WAV文件的数据体区块一般由3个区块组成：RIFF Chunk、Format Chunk和Data Chunk。示意如下表。另外，文件中还可能包含一些可选的区块，如：Fact Chunk、Cue Points Chunk、Playlist Chunk、Associated Data List Chunk等。
| RIFF Chunk | Format Chunk | Data Chunk | …… |
|---|
三、WAV格式文件数据体结构
目前可知，WAV音频文件的内部数据是以数据体为单位在文件头后进行存储，其数据体内部数据由PCM（脉冲编码调制）格式表示的样本组成。每个区块则均有表征数据块特点的ID、Size等码段，同时也有不同码段内容。
1、RIFF Chunk区块
RIFF数据块长度为12字节，共有三种码段。如下表所示。
| 名称 | 偏移地址 | 字节数 | 内容 |
|---|---|---|---|
| ID | 0x00 | 4 | RIFF (0x52494646) |
| Size | 0x04 | 4 | fileSize - 8 |
| Type | 0x08 | 4 | WAVE(0x57415645) |
其中：
- RIFF Chunk类型数据块以RIFF的ID部分为标识，说明数据块类型；
- Size是整个文件的长度减去ID和Size的长度，表征包含Type字段在内的数据块长度；
- Type是WAVE表示后面需要Format和Data两个子区块。
2、Format Chunk区块
| 名称 | 偏移地址 | 字节数 | 内容 |
|---|---|---|---|
| ID | 0x00 | 4 | 'fmt ’ (0x666D7420) |
| Size | 0x04 | 4 | 16 |
| AudioFormat | 0x08 | 2 | 音频格式 |
| NumChannels | 0x0A | 2 | 声道数 |
| SampleRate | 0x0C | 4 | 采样率 |
| ByteRate | 0x10 | 4 | 每秒数据字节数 |
| BlockAlign | 0x14 | 2 | 数据块对齐 |
| BitsPerSample | 0x16 | 2 | 采样位数 |
其中：
- 此类型数据块以“fmt”的ID为标识，说明数据块类型；
- Size表示该区块数据不包含ID和Size的长度；
- AudioFormat表示Data区块存储的音频数据的格式，PCM音频数据的值为1；
- NumChannels表示音频数据的声道数，其中1表示单声道，2表示双声道；
- SampleRate表示音频数据的采样率；
- ByteRate每秒数据字节数，计算公式为
ByteRate = SampleRate × NumChannels × BitsPerSample / 8
- BlockAlign每个采样所需的字节数，计算公式为NumChannels*BitsPerSample/8；
- BitsPerSample每个采样存储的bit数，其中8表示8bit，16表示16bit，32表示32bit。
3、DATA区块
DATA区块为音频文件存储实际的数据。
| 名称 | 偏移地址 | 字节数 | 内容 |
|---|---|---|---|
| ID | 0x00 | 4 | ‘data’ (0x64617461) |
| Size | 0x04 | 4 | - |
| Data | 0x08 | - | 音频数据 |
其中：
- Size表示音频数据的长度，不包含ID和Size数据段，且对于采样率为ByteRate的音频文件数据来说，其计算公式为
Size = ByteRate × seconds
- Data为实际存储的完整音频数据。
总结
通过对WAV格式文件的文件结构、数据结构以及元数据表示方法的简要学习，作者对WAV格式媒体文件有了进一步的认识。同时，通过分析WAV格式文件内部数据的表示内容，此过程中也对音频文件的各项参数指标有了更深的了解。
参考及引用材料
[1] WAV文件格式详解
[2] WAVE PCM Sound File Format
[3] wav文件格式分析
[4] WAV 百度百科
