WAV 文件格式分析

一、 WAV文件简介

波形音频文件格式 (WAV / WAVE)是Microsoft开发的一种数字化声音文件格式，用于在PC上存储音频比特流，文件扩展名为“*.wav”。

WAV文件采用RIFF文件格式结构，即具有特定的容器格式。RIFF文件结构由“块”(chunk)为基本单元构成，每个块中包含4字节标识符，4字节块的大小，以及一个数据块序列。WAVE文件通常只是一个具有单个“WAVE”块的RIFF文件，它由两个子块组成：一个指定数据格式的“fmt”块和包含实际采样数据的“data”块。

虽然WAV文件可以包含压缩音频，但最常见的WAV音频格式是脉冲编码调制（PCM）格式的未压缩音频，即直接存储采样的声音数据，没有经过任何的压缩。

WAV文件数据格式采用小端字节顺序存储方式。

二、WAV文件内部结构

WAV格式以RIFF标头开始：

0~4（bytes）	ChunkID	包含ASCII格式的字母“RIFF”
4~8	ChunkSize	文件长度（不包含ChunkID和ChunkSize所占字节）
8~12	format	包含ASCII格式的字母“WAVE”

WAV格式由两个子块组成：“fmt”和“data”：

“fmt”描述声音数据的格式：

12~16	Subchunk1ID	包含字母“fmt”
16~20	Subchunk1Size	fmt块的大小（不包含Subchunk1ID和Subchunk1Size所占字节）
20~22	AudioFormat	音频数据的编码方式，1表示PCM编码
22~24	NumChannels	声道数，单声道为1，双声道为2
24~28	SampleRate	采样率（每秒采样数），如44100
28~32	ByteRate	音频数据传送速率，单位是字节。 == SampleRate * NumChannels * BitsPerSample / 8
32~34	BlockAlign	每次采样的大小，单位是字节。16bit=4 == NumChannels * BitsPerSample / 8
34~36	BitsPerSample	每个声道的采样精度。16bit=16

“data”子块包含数据的大小和实际的声音数据：

36~40	Subchunk2ID	包含字母“data”
40~44	Subchunk2Size	音频数据块的大小（不包含Subchunk2ID和Subchunk2Size所占字节）
44~	Data	实际的声音数据

例如，用二进制编辑器打开一个WAV文件，如下：

可以看出，该WAV文件是一个16bit双声道（立体声）的音频文件。

WAV数据根据声道和bit数可分为以下几种形式：

8位单声道：每个样本数据由8位表示；

8位立体声：每个声道的数据由一个8位数据表示，且第一个8位数据表示0声道（左）数据，紧随其后的8位数据表示1声道（右）数据；

16位单声道：每个样本数据由16位表示；其中低字节存放高位，高字节存放低位；

16位立体声：每个声道的数据由一个16位数据表示，且第一个16位数据表示0声道（左）数据，紧随其后的16位数据表示1声道（右）数据。

所以8bit和16bit样值的二进制编码表示不同，8bitPCM波形样本的数据采用一字节编码，范围从0~255；16bitPCM波形样本的数据采用两字节编码，且低字节在前，高字节在后，范围从-32768~32767。

三、WAV的其它音频压缩方法

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。

下表给出WAV文件其他形式的压缩方法，其中code信息在WAV文件字段的第21、22个byte，通过十六进制查看器我们可以看到一个WAV文件的压缩码类型。

Code　　　　　　Description
0 (0x0000) 　　Unknown
1 (0x0001)     　　PCM/uncompressed
2 (0x0002)     　　Microsoft ADPCM
6 (0x0006)     　　ITU G.711 a-law
7 (0x0007)     　　ITU G.711 Âµ-law
17 (0x0011)  　　IMA ADPCM
20 (0x0016)  　　ITU G.723 ADPCM (Yamaha)
49 (0x0031)  　　GSM 6.10
64 (0x0040)  　　ITU G.721 ADPCM
80 (0x0050) 　　MPEG
65,536 (0xFFFF) 　Experimental

四、WAV文件采样率转换

WAV文件可以进行采样率的转换，例如将采样率为48khz的WAV文件转换成44.1khz，由于48Khz和44.1khz不是整数倍的关系，不能通过插值或者抽取直接转换。可以先做插值，再做抽取，这样既不会产生数据的丢失，也避免了频谱的混叠失真。可求出48khz和44.1khz的最小公倍数为7056khz，先对48khz文件进行插值处理，在两个相邻抽样值之间插入146个邻近抽样值，将采样率变为7056khz，再每隔159个样值抽取一个，这样就可以将采样率转换为44.1khz。