Wave
[转]wav文件结构解析 2008年04月15日 12:58:00 阅读数：5589 WAVE是录音时用的标准的WINDOWS文件格式，文件的扩展名为“WAV”，数据本身的格式为PCM或压缩型。
WAV文件格式是一种由微软和IBM联合开发的用于音频数字存储的标准，它采用RIFF文件格式结构，非常接近于AIFF和IFF格式。符合 PIFF Resource Interchange File Format规范。所有的WAV都有一个文件头，这个文件头音频流的编码参数。
WAV文件作为最经典的Windows多媒体音频格式，应用非常广泛，它使用三个参数来表示声音：采样位数、采样频率和声道数。
声道有单声道和立体声之分，采样频率一般有11025Hz（11kHz）、22050Hz（22kHz）和44100Hz（44kHz）三种。WAV文件所占容量=（采样频率×采样位数×声道）×时间/8（1字节=8bit）。
WAV对音频流的编码没有硬性规定，除了PCM之外，还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码。多媒体应用中使用了多种数据， 包括位图、音频数据、视频数据以及外围设备控制信息等。RIFF为存储这些类型的数据提供了一种方法，RIFF文件所包含的数据类型由该文件的扩展名来标 识，能以RIFF文件存储的数据包括： 音频视频交错格式数据(.AVI) 、波形格式数据(.WAV) 、位图格式数据(.RDI) 、MIDI格式数据(.RMI) 、调色板格式(.PAL) 、多媒体电影(.RMN) 、动画光标(.ANI) 、其它RIFF文件(.BND) 。
WAVE文件可以存储大量格式的数据，通常采用的音频编码方式是脉冲编码调制(PCM)。由于WAV格式源自Windows/Intel环境，因而采用Little-Endian字节顺序进行存储。
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文件由文件头和数据体两大部分组成。其中文件头又分为RIFF／WAV文件 标识段和声音数据格式说明段两部分。WAVE文件各部分内容及格式见附表。
常见的声音文件主要有两种，分别对应于单声道（11.025KHz采样率、8Bit的采样值）和双声道（44.1KHz采样率、16Bit的采样 值）。采样率是指：声音信号在“模→数”转换过程中单位时间内采样的次数。采样值是指每一次采样周期内声音模拟信号的积分值。
对于单声道声音文件，采样数据为八位的短整数（short int 00H-FFH）；而对于双声道立体声声音文件，每次采样数据为一个16位的整数（int），高八位和低八位分别代表左右两个声道。
WAVE文件数据块包含以脉冲编码调制（PCM）格式表示的样本。WAVE文件是由样本组织而成的。在单声道WAVE文件中，声道0代表左声道，声道1代表右声道。在多声道WAVE文件中，样本是交替出现的。
WAVE文件的每个样本值包含在一个整数i中，i的长度为容纳指定样本长度所需的最小字节数。首先存储低有效字节，表示样本幅度的位放在i的高有效位 上，剩下的位置为0，这样8位和16位的PCM波形样本的数据格式。 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 Chunk |
| ID = ‘fmt ’ |
| Fact Chunk(optional) |
| ID = ‘fact’ |
| Data Chunk |
| ID = ‘data’ |
图1 Wav格式包含Chunk示例
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’RIFF’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; };