wav文件格式分析详解

                           wav文件格式分析详解

                                              
                                         

一、综述
    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

    其中除了Fact Chunk外,其他三个Chunk是必须的。每个Chunk有各自的ID,位
于Chunk最开始位置,作为标示,而且均为4个字节。并且紧跟在ID后面的是Chunk大
小(去除ID和Size所占的字节数后剩下的其他字节数目),4个字节表示,低字节
表示数值低位,高字节表示数值高位。下面具体介绍各个Chunk内容。
PS:
    所有数值表示均为低字节表示低位,高字节表示高位。

二、具体介绍
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'FIFF'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;
 };


三、小结
    因此,根据上述结构定义以及格式介绍,很容易编写相应的wav格式解析代码。
这里具体的代码就不给出了。

 

四、参考资料
    1、李敏, 声频文件格式WAVE的转换, 电脑知识与技术(学术交流), 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

<think>我们正在处理用户关于WAV格式的询问。用户希望了解WAV格式的介绍以及如何处理WAV文件。根据引用[2],我们可以提供关于WAV文件格式的详细信息,包括其结构、多声道存储方式等。同时,引用[1]提供了一个处理WAV文件的具体例子:将WAV格式转换为Opus格式。我们可以参考这个例子来说明如何处理WAV文件。回答结构:1.首先介绍WAV格式的基本概念和特点。2.详细解释WAV文件的结构(根据引用[2]提供的信息)。3.介绍如何处理WAV文件,可以包括读取、写入、转换等,并举例说明(参考引用[1]中的转换方法)。注意:我们不需要完全重复引用中的代码,而是概括其步骤,并解释关键点。另外,根据系统级指令,我们需要生成相关问题。由于用户的问题有两个部分:介绍和处理,我们将分两部分回答。注意:在回答中,如果有数学表达式或公式,按照指令使用$...$或$$...$$格式。但是,在WAV格式介绍中,可能涉及一些数据计算,例如文件大小的计算(引用[2]中提到了Size的计算公式:Size=ByteRate×seconds),所以我们可以用行内数学表达式表示。另外,回答中引用的段落末尾需要添加引用标识。</think>### WAV格式介绍与处理方法 #### **1. WAV格式概述** WAVWaveform Audio File Format)是微软和IBM开发的**无损音频格式**,采用RIFF(Resource Interchange File Format)结构存储音频数据: - **文件结构**:由"RIFF"块、"fmt"子块和"data"子块组成 - **多声道存储**:每个声道的样本交叉存储(如立体声:左声道→右声道→左声道→右声道...),一个样本中所有声道信息称为**样本帧**[^2] - **关键参数**: - 采样率($SampleRate$):单位Hz - 位深度($BitsPerSample$):8/16/24位 - 声道数($NumChannels$) - **文件大小计算**: $$Size = ByteRate \times seconds$$ 其中 $ByteRate = SampleRate \times NumChannels \times (BitsPerSample/8)$[^2] #### **2. WAV文件处理** ##### **基础操作** 1. **读取元数据**:解析文件头获取采样率、声道数等参数 2. **提取音频数据**:读取"data"块中的PCM样本 3. **声道分离**:对交叉存储的声道数据进行解交织处理 ##### **格式转换示例(WAV→Opus)** 参考引用[1]的转换流程: ```java // 伪代码流程 1. 创建临时目录(如/temp) 2. 生成临时WAV文件:File.createTempFile() 3. 将输入字节流wavBytes写入文件 4. 创建MultimediaObject设置音频属性 5. 使用Encoder编码生成Opus文件 6. 读取Opus文件转为字节数组 7. 最终清理:删除临时文件(Files.deleteIfExists()) ``` **关键技术点**: - 使用临时文件避免内存溢出 - 编码器需配置比特率/声道映射 - 异常处理中确保资源释放 ##### **多声道处理** - **立体声分离**(Python示例): ```python import wave with wave.open("audio.wav") as wav: frames = wav.readframes(-1) # 读取所有帧 left_channel = frames[0::2] # 偶数索引为左声道 right_channel = frames[1::2] # 奇数索引为右声道 ``` #### **3. 应用场景** - 录音室母带制作(无损特性) - 语音识别预处理 - 音频算法开发(PCM数据易处理) - 游戏音效资源存储
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值