音频-WAV数据格式

（转：https://www.jianshu.com/p/947528f3dff8）

（转多媒体文件格式（五）：PCM / WAV 格式 - 灰色飘零 - 博客园）

（读取wave文件配置信息 - stdtrekman - 博客园）

1.概述

Waveform Audio File Format（WAVE，又或者是因为WAV后缀而被大众所知的），它采用RIFF（Resource Interchange File Format）文件格式结构。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.格式解析

WAV文件遵循RIFF规则，其内容以区块（chunk）为最小单位进行存储。WAV文件一般由3个区块组成：RIFF chunk、Format chunk和Data chunk。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。
本文将只介绍RIFF chunk、Format chunk和Data chunk。

（1--若Format Chunk的size大小为18，则该模块的最后两个字节为附加信息）

（WAVE文件一般有四种块，它们依次是：RIFF块、格式块、附加块（可选），数据块）

2.1 RIFF区块

****

• 以'RIFF'为标识
• Size是整个文件的长度减去ID和Size的长度
• Type是WAVE表示后面需要两个子块：Format区块和Data区块

***

2.2 FORMAT区块

****

• 以'fmt '为标识
• Size表示该区块数据的长度（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
• (展开讨论：)
• NumChannels表示音频数据的声道数，1：单声道，2：双声道
• SampleRate表示音频数据的采样率
• ByteRate每秒数据字节数 = SampleRate * NumChannels * BitsPerSample / 8
• BlockAlign每个采样所需的字节数 = NumChannels * BitsPerSample / 8
• BitsPerSample每个采样存储的bit数，8：8bit，16：16bit，32：32bit

***

2.3 DATA区块

• 以'data'为标识
• Size表示音频数据的长度，N = ByteRate * seconds
• Data音频数据
• （ByteRate ===每秒数据字节数 ）

 ********************

所谓的大端模式，是指数据的低位保存在内存的高地址中，而数据的高位，保存在内存的低地址中；
所谓的小端模式，是指数据的低位保存在内存的低地址中，而数据的高位保存在内存的高地址中。

 ********************

PCM数据在WAV文件中的bit位排列方式

（上表似乎有问题，不确定，看下图，应该更准确）
 

如果是单声道的文件，采样数据按时间的先后顺序依次存入。如果是单声道的音频文件，采样数据按时间的先后顺序依次存入（也可能采用 LRLRLR 方式存储，只是另一个声道的数据为 0）。

如果是双声道的话通常按照 LRLRLR 的方式存储，存储的时候还和机器的大小端有关。（关于字节序大小端的相关内容可参考《字节序问题之大小端模式讲解》进行了解）

PCM的存储方式为小端模式，存储Data数据排列如下图所示：

描述 PCM 音频数据的参数的时候有如下描述方式：
44100HZ 16bit stereo: 每秒钟有 44100 次采样, 采样数据用 16 位（2 字节）记录, 双声道（立体声）
22050HZ 8bit  mono: 每秒钟有 22050 次采样, 采样数据用 8 位（1 字节）记录, 单声道
48000HZ 32bit 51ch: 每秒钟有 48000 次采样, 采样数据用 32 位（4 字节浮点型）记录, 5.1 声道

44100Hz 指的是采样率，它的意思是每秒取样 44100 次。采样率越大，存储数字音频所占的空间就越大。

16bit 指的是采样精度，意思是原始模拟信号被采样后，每一个采样点在计算机中用 16 位（两个字节）来表示。采样精度越高越能精细地表示模拟信号的差异。

Stereo 指的是声道数，也即采样时用到的麦克风的数量，麦克风越多就越能还原真实的采样环境（当然麦克风的放置位置也是有规定的）

***********************************************

WAV 是 Microsoft 和 IBM 为 PC 开发的一种声音文件格式，它符合 RIFF（Resource Interchange File Format）文件规范，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 文件通常只是一个具有单个 “WAVE” 块的 RIFF 文件，该块由两个子块（”fmt” 子数据块和 ”data” 子数据块），它的格式如下图所示：

****

WAV 格式定义

该格式的实质就是在 PCM 文件的前面加了一个文件头，每个字段的的含义如下：

1.  
   typedef struct
2.  
   {
3.  
   char ChunkID[4]; //内容为"RIFF"
4.  
   unsigned long ChunkSize; //存储文件的字节数（不包含ChunkID和ChunkSize这8个字节）
5.  
   char Format[4]; //内容为"WAVE“
6.  
   } WAVE_HEADER;

1.  
   typedef struct
2.  
   {
3.  
   char Subchunk1ID[4]; //内容为"fmt"
4.  
   unsigned long Subchunk1Size; //存储该子块的字节数（不含前面的Subchunk1ID和Subchunk1Size这8个字节）
5.  
   unsigned short AudioFormat; //存储音频文件的编码格式，例如若为PCM则其存储值为1。
6.  
   unsigned short NumChannels; //声道数，单声道(Mono)值为1，双声道(Stereo)值为2，等等
7.  
   unsigned long SampleRate; //采样率，如8k，44.1k等
8.  
   unsigned long ByteRate; //每秒存储的bit数，其值 = SampleRate * NumChannels * BitsPerSample / 8
9.  
   unsigned short BlockAlign; //块对齐大小，其值 = NumChannels * BitsPerSample / 8
10.  
    unsigned short BitsPerSample; //每个采样点的bit数，一般为8,16,32等。
11.  
    } WAVE_FMT;

1.  
   typedef struct
2.  
   {
3.  
   char Subchunk2ID[4]; //内容为“data”
4.  
   unsigned long Subchunk2Size; //接下来的正式的数据部分的字节数，其值 = NumSamples *
5.  
   NumChannels * BitsPerSample / 8
6.  
   } WAVE_DATA;

*******************

WAV 文件头解析

这里是一个 WAVE 文件的开头 72 字节，字节显示为十六进制数字：

1.  
   52 49 46 46 | 24 08 00 00 | 57 41 56 45
2.  
   66 6d 74 20 | 10 00 00 00 | 01 00 02 00
3.  
   22 56 00 00 | 88 58 01 00 | 04 00 10 00
4.  
   64 61 74 61 | 00 08 00 00 | 00 00 00 00
5.  
   24 17 1E F3 | 3C 13 3C 14 | 16 F9 18 F9
6.  
   34 E7 23 A6 | 3C F2 24 F2 | 11 CE 1A 0D

 字段解析如下图：***

*********** 

这篇好文章是转载于：学新通技术网