WAV文件是在PC機平臺上很常見的、最經典的多媒體音頻文件,最早於1991年8月出現在Windows 3.1操作系統上,文件擴展名為WAV,是WaveFom的簡寫,也稱為波形文件,可直接存儲聲音波形,還原的波形曲線十分逼真。WAV文件格式簡稱WAV格式是一種存儲聲音波形的數字音頻格式,是由微軟公司和IBM聯合設計的,經過了多次修訂,可用於Windows,Macintosh,Linix等多種操作系統,詳述如下。

波形文件的基礎知識

2.1 波形文件的存儲過程

聲源發出的聲波通過話筒被轉換成連續變化的電信號,經過放大、抗混疊濾波後,按固定的頻率進行采樣,每個樣本是在一個采樣周期內檢測到的電信號幅度值;接下來將其由模擬電信號量化為由二進制數表示的積分值;最後編碼並存儲為音頻流數據。有的應用為了節省存儲空間,存儲前,還要對采樣數據先進行壓縮。

2.2 WAV文件的編碼

編碼包括了兩方面內容,一是按一定格式存儲數據,二是采用一定的算法壓縮數據。WAV格式對音頻流的編碼沒有硬性規定,支持非壓縮的PCM(Puls Code Modulation)脈沖編碼調制格式,還支持壓縮型的微軟自適應分脈沖編碼調制Microsoft ADPCM(Adaptive Differential Puls Code Modulation)、國際電報聯盟(International Telegraph Union)制定的語音壓縮標準ITUG.711 a-law、ITU G.711-law、IMA ADPCM、ITU G.723 ADPCM (Yamaha)、GSM 6.10、ITU G.721 ADPCM編碼和其它壓縮算法。MP3編碼同樣也可以運用在WAV中,只要安裝相應的Decode,就可以播放WAV中的MP3音樂。

表 1

表 2 WAVE 文件結構

表 3 WAVE 文件頭格式

表 4 常見的壓縮編碼格式

表5

表 6 fact 塊結構示意圖

表7

8位PCM

表8

16位單聲道PCM,每個采樣點占2個字節

表9

16位立聲道PCM,每個采樣點占4個字節

2.3 PCM編碼格式

PCM編碼是直接存儲聲波采樣被量化後所產生的非壓縮數據,故被視為單純的無損耗編碼格式,其優點是可獲得高質量的音頻信號。
基於PCM編碼的WAV格式是最基本的WAV格式,被聲卡直接支持,能直接存儲采樣的聲音數據,所存儲的數據能直接通過聲卡播放,還原的波形曲線與原始聲音波形十分接近,播放的聲音質量是一流的,在Windows平臺下被支持得最好,常常被用作在其它編碼的文件之間轉換的中間文件。PCM的缺點是文件體積過大,不適合長時間記錄。正因為如此,又出現了多種在PCM編碼的基礎上經改進發展起來的編碼格式,如:DPCM,ADPCM編碼等。

2.4 與聲音有關的三個參數

(1)采樣頻率:又稱取樣頻率。是單位時間內的采樣次數,決定了數字化音頻的質量。采樣頻率越高,數字化音頻的質量越好,還原的波形越完整,播放的聲音越真實,當然所占的資源也越多。根據奎特采樣定理,要從采樣中完全恢復原始信號的波形,采樣頻率要高於聲音中最高頻率的兩倍。人耳可聽到的聲音的頻率範圍是在16Hz-20kHz之間。因此,要將聽到的原聲音真實地還原出來,采樣頻率必須大於4 0k H z 。常用的采樣頻率有8 k H z 、1 1 . 02 5 k H z 、22.05kHz、44.1kHz、48kHz等幾種。22.05KHz相當於普通FM廣播的音質,44.1KHz理論上可達到CD的音質。對於高於48KHz的采樣頻率人耳很難分辨,沒有實際意義。
(2)采樣位數:也叫量化位數(單位:比特),是存儲每個采樣值所用的二進制位數。采樣值反應了聲音的波動狀態。采樣位數決定了量化精度。采樣位數越長,量化的精度就越高,還原的波形曲線越真實,產生的量化噪聲越小,回放的效果就越逼真。常用的量化位數有4、8、12、16、24。量化位數與聲卡的位數和編碼有關。如果采用PCM編碼同時使用8 位聲卡, 可將音頻信號幅度從上限到下限化分成256個音量等級,取值範圍為0-255;使用16位聲卡,可將音頻信號幅度劃分成了64K個音量等級,取值範圍為-32768至32767。
(3)聲道數:是使用的聲音通道的個數,也是采樣時所產生的聲音波形的個數。播放聲音時,單聲道的WAV一般使用一個喇叭發聲,立體聲的WAV可以使兩個喇叭發聲。記錄聲音時,單聲道,每次產生一個波形的數據,雙聲道,每次產生兩個波形的數據,所占的存儲空間增加一倍。

3 WAV文件結構

在Windows環境下,大部分多媒體文件都是按照資源互換文件格式(Resources lnterchange File Format) 存放信息,簡稱RIFF格式。構成RIFF文件的基本單位稱之為塊(chunk)。每個RIFF文檔是由若幹個塊構成。每個塊(chunk)由塊標識、塊長度及數據等三部分所組成,其結構如表1。

其中,塊標識保存的是由4個ASCII碼字符組成的塊名字。如不滿4個字符則在右邊以空格充填。塊長度字段,占4個字節,保存的是當前塊數據的長度,不包括塊標識和塊長度字段。所以一個塊的實際長度為塊長度字段內的數值加8。RIFF格式規定,只有 RIFF及LIST塊可以含有子塊,其它的塊不允許包含子塊。一個RIFF格式文檔本身就是一個塊。其前4個字節為文檔標識“RIFF”,同時也是RIFF的塊標識,標明該文檔是一個有效的RIFF文檔;第二部分為文件的數據長度,占4個字節,其數值為文件長度-8;第三部分為RIFF塊數據,其中,前4個字節為文件格式類型標識,如:“WAVE”,“AVI”等,後面其它部分為RIFF塊的子塊。

WAV文件采用的是RIFF格式結構。至少是由3個塊構成,分別是RIFF、fmt 和Data。所有基於壓縮編碼的WAV文件必須含有fact塊。此外所有其它塊都是可選的。塊fmt,Data及fact均為RIFF塊的子塊。WAV文件的文件格式類型標識符為“WAVE”。基本結構如表2。

4WAV文件頭格式

WAV文件由文件頭和數據體兩部分組成。其中,文件頭是由文件標識字段與格式塊兩部分組成,後者保存的是編碼參數和聲音參數,格式如表3。

4.1 擴展格式塊

當WAV文件采用非PCM編碼時,使用的是擴展格式塊,它是在基本格式塊fmt之後擴充了一個的數據結構。該結構的前兩字節為長度字段,指出後面區域的長度。緊接其後的區域稱之為擴展區,含有擴充的格式信息,其長度取決於壓縮編碼類型。當某種編碼格式(如ITU G.711 a-law)使擴展區的長度為0時,長度字段還必須保留,只是長度字段的數值為0。因此,擴展格式塊長度的最小值為基本格式塊的長度16加2。

4.2 格式塊的擴充

當編碼格式代碼為0xFFFE時,為擴充標識碼。此時格式塊擴展區長度為24字節,包含了新增的格式字段和真正的編碼格式代嗎,格式如表5。

4.3 fact塊

采用壓縮編碼(修訂版Rev.3以後出現的編碼格式)的WAV文件必須有含有fact塊。塊標識符為“fact”。塊長度至少4個字節。目前fact塊只有一個數據項,為每個聲道采樣總數,或采樣幀總數。該數值可由data塊中的數據長度除以數據塊對齊單位的數值計算出。雖然基於壓縮編碼的文件含有fact塊,然而,實測中發現,將文件轉換成PCM編碼格式後,原fact塊仍然存在(如表6)。

5 WAV文件語音數據的組織結構

WAV文件的聲音數據保存在數據塊中。塊標識符為“data”,塊長度值為聲音數據的長度。從數據塊的第9個字符開始是聲音波形采樣數據。每個樣本按采樣的時間先後順序寫入。樣本的字節數取決於采樣位數。對於多字節樣本,低位字節數據放在低地址單元,相鄰的高位字節數據放在高地址單元。多聲道樣本數據采用交替方式存儲。例如:立體聲(雙聲道)采樣值的存儲順序為:通道1第1采樣值,通道2第1采樣值;通道1第2采
樣值,通道2第2采樣值;以此類推。基於PCM編碼的樣本數據排列方式如表7-9。

6 實例分析

（1）“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。
（2）“22 60 28 00”，這個是我這個WAV文件的數據大小，這個大小包括除了前面4個字節的所有字節，也就等於文件總字節數減去8。16進制的“22 60 28 00”對應是十進制的“2646050”。
（3）“57 41 56 45 66 6D 74 20”，也是Ascii字符“WAVEfmt”，這部分是固定格式。
以後是PCMWAVEFORMAT部分

（4）“12 00 00 00”，這是一個DWORD，對應數字18，這個對應定義中的PCMWAVEFORMAT部分的大小，可以看到後面的這個段內容正好是18個字節。一般情況下大小為16，此時最後附加信息沒有，上面這個文件多了兩個字節的附加信息。
（5）“01 00”，這是一個WORD，對應定義為編碼格式（WAVE_FORMAT_PCM格式一般用的是這個）。
（6）“01 00”，這是一個WORD，對應數字1，表示聲道數為1，是個單聲道Wav。
（7）“22 56 00 00”對應數字22050，代表的是采樣頻率22050，采樣率（每秒樣本數），表示每個通道的播放速度
（8）“44 AC 00 00”對應數字44100，代表的是每秒的數據量，波形音頻數據傳送速率，其值為通道數×每秒樣本數×每樣本的數據位數／8（1*22050*16/8）。播放軟件利用此值可以估計緩沖區的大小。
（9）“02 00”對應數字是2，表示塊對齊的內容。數據塊的調整數（按字節算的），其值為通道數×每樣本的數據位值／8。播放軟件需要一次處理多個該值大小的字節數據，以便將其值用於緩沖區的調整。
（10）“10 00”數值為16，采樣大小為16Bits，每樣本的數據位數，表示每個聲道中各個樣本的數據位數。如果有多個聲道，對每個聲道而言，樣本大小都一樣。
（11）“00 00”此處為附加信息（可選），和（4）中的size對應。

（12）“66 61 73 74” Fact是可選字段，一般當wav文件由某些軟件轉化而成，則包含該項，“04 00 00 00”Fact字段的大小為4字節，“F8 2F 14 00”是fact數據。

（13）“64 61 74 61”，這個是Ascii字符“data”，標示頭結束，開始數據區域。
（14）“F0 5F 28 00”十六進制數是“0x285ff0”,對應十進制2646000，是數據區的開頭，以後數據總數，看一下前面正好可以看到，文件大小是2646050，從（2）到（13）包括（13）正好是2646050-2646000=50字節。

7 結語

對WAV格式影響最大的參數是編碼格式。采用不同的編碼的WAV格式是不同的,PCM是最常見的編碼格式,其它的為壓縮編碼格式,一般很少使用,有的已經廢棄。隨著人們認識的進步可能還會有新的編碼格式出現。今後對WAV文件格式的更多的研究是壓縮編碼格式。

原文鏈接:http://www.docin.com/p-1263172990.html

原文鏈接: http://blog.csdn.net/mcgrady_tracy/article/details/52502263

wav文件格式分析與詳解