您的位置: 首页  >  文章  >  Linux音频驱动-WAV文件格式分析

Linux音频驱动-WAV文件格式分析

分类: 文章 • 2025-01-18 16:17:52

概述

WAV文件格式是Microsoft的RIFF规范的一个子集，用于存储多媒体文件。WAV(RIFF)文件由若干个Chunk组成，分别为:  RIFF WAVE Chunk，Format Chunk，Fact Chunk(可选)，Data Chunk。具体格式如下：
Linux音频驱动-WAV文件格式分析

RIFF Chunk

根据RIFF的格式，可以抽象出RIFF chunk的结构体:
[cpp] view plain copy
  1. struct RIFF_CHUNK  
  2. {  
  3.     char ChunkID[4]; //'R','I','F','F'  
  4.     unsigned int ChunkSize;  
  5.     char Format[4];  //'W','A','V','E'  
  6. };  
其中ChunkSize代表的是整个wav_file的大小减去ChunkID和ChunkSize的大小，即wav_file_size=ChunkSize+8。

Format Chunk

Format chunk主要是描述音频数据的格式。根据Format chunk的格式，可以抽象出Format Chunk的数据结构:
[cpp] view plain copy
  1. struct FORMAT_CHUNK  
  2. {  
  3.     char FmtID[4]; //'f','m','t'  
  4.     unsigned int FmtSize;  
  5.     unsigned short FmtTag;  
  6.     unsigned short FmtChannels;  
  7.     unsigned int SampleRate;  
  8.     unsigned int ByteRate;  
  9.     unsigned short BlockAilgn;  
  10.     unsigned short BitsPerSample;  
  11. };  
.FmtSize:  通常取值为16或者18，16代表是该音频使用PCM编码方式。
.FmtTag:   如果上述取值为16，则此值通常为1，代表该音频的编码方式是PCM编码。
.FmtChannels:  声道数目，1代表单声道，2代表双声道，就是所谓的立体声。
.SampleRate:  采样频率。如果对此概念不是很了解，可以查看此文章: Linux音频驱动-声音采集过程
.ByteRate: 每秒所需的字节数。等于SampleRate * NumChannels * BitsPerSample/8。
.BlockAilgn: 数据块对齐单位。等于NumChannels * BitsPerSample/8。
.BitsPerSample:  采样位数。

Data Chunk

Data Chunk主要是描述raw sound数据和大小，根据Data Chunk格式，抽象出Data Chunk的数据结构:
[cpp] view plain copy
  1. struct DATA_CHUNK  
  2. {  
  3.     char DataID[4]; //'d','a','t','a'  
  4.     unsigned int DataSize;  
  5. };  
DataSize就是整个raw data的大小。

实例分析

1.  在网上下载wav的音频文件，使用mediainfo显示该音频文件的详细信息。
[cpp] view plain copy
  1. [email protected]:~$ mediainfo ~/Download/test.wav   
  2. General  
  3. Complete name                            : /home/test/Download/test.wav  
  4. Format                                   : Wave  
  5. File size                                : 44.2 MiB  
  6. Duration                                 : 4mn 22s  
  7. Overall bit rate mode                    : Constant  
  8. Overall bit rate                         : 1 411 Kbps  
  9.   
  10. Audio  
  11. ID                                       : 0  
  12. Format                                   : PCM  
  13. Format settings, Endianness              : Little  
  14. Codec ID                                 : 1  
  15. Duration                                 : 4mn 22s  
  16. Bit rate mode                            : Constant  
  17. Bit rate                                 : 1 411.2 Kbps  
  18. Channel(s)                               : 2 channels  
  19. Sampling rate                            : 44.1 KHz  
  20. Bit depth                                : 16 bits  
  21. Stream size                              : 44.2 MiB (100%)  
2.  使用vim使用十六进制打开该文件
[cpp] view plain copy
  1. 1 0000000: 5249 4646 741d c302 5741 5645 666d 7420  RIFFt...WAVEfmt                              
  2. 2 0000010: 1000 0000 0100 0200 44ac 0000 10b1 0200  ........D.......  
  3. 3 0000020: 0400 1000 6461 7461 501d c302 0100 0000  ....dataP.......  
  4. 4 0000030: ffff 0000 0000 0000 0000 0100 0000 ffff  ................  
  5. 5 0000040: 0000 0100 0000 ffff 0000 0000 ffff 0100  ................  
  6. 6 0000050: 0200 ffff fdff 0100 0300 ffff ffff 0200  ................  
  7. 7 0000060: 0000 feff 0100 0200 ffff feff 0100 0200  ................  
  8. 8 0000070: ffff ffff 0100 0000 ffff 0100 0000 ffff  ................  
3.   分析上述的数据
"52 49 46 46"     对应的Ascii码字符为"RIFF"。
"74 1d c3 02"     对应的就是ChunkSize，对应的十六进制是:0x2c31d74=46341492。那整个wav文件的大小就为:  46341492+8=46341500。将此值转化为MB位单位: 44.2MB，可以验证上述使用mediainfo的信息。
"57 41 56 45"     对应的Ascii码字符为"WAVE"。
"66 6d 74 20"     对应的Ascii码字符为"fmt"。
"10 00 00 00"     四字节对应的是该音频的编码方式，通常为16，代表PCM编码方式。也就是十六进制0x10。
"01 00"               对应为1，代表PCM编码方式。 
"02 00"               通道个数，通道数为2，验证上述mediainfo的信息。
"44 ac 00 00"     采用频率，转化为十六进制为:  0xac44=44100=44.1KHz
"10 b1 02 00"     每秒所需的字节数，转化为十六进制为:  0x2b110=176400。通过此值可以计算该音频的时长:  46341500/17600=4.37。0.37*60=22.2，则该音频的时长为4mn22s。
"04 00"               数据对齐单位。
"10 00"               采样位数，等于0x10=16。
"64 61 74 61"     对应的Ascill码字符为"data"。
"50 1d c3 02"     对应该音频的raw数据的大小，转化为十六进制为0x2c31d50=46341456，此值等于wav_size-44=46341500-44。

相关推荐