Linux音频驱动-WAV文件格式分析

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：

RIFF Chunk

根据RIFF的格式，可以抽象出RIFF chunk的结构体:

struct RIFF_CHUNK
{char ChunkID[4]; //'R','I','F','F'unsigned int ChunkSize;char Format[4];  //'W','A','V','E'
};

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:

struct FORMAT_CHUNK
{char FmtID[4]; //'f','m','t'unsigned int FmtSize;unsigned short FmtTag;unsigned short FmtChannels;unsigned int SampleRate;unsigned int ByteRate;unsigned short BlockAilgn;unsigned short BitsPerSample;
};

.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:

struct DATA_CHUNK
{char DataID[4]; //'d','a','t','a'unsigned int DataSize;
};

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。

root@test:~$ mediainfo ~/Download/test.wav
General
Complete name                            : /home/test/Download/test.wav
Format                                   : Wave
File size                                : 44.2 MiB
Duration                                 : 4mn 22s
Overall bit rate mode                    : Constant
Overall bit rate                         : 1 411 KbpsAudio
ID                                       : 0
Format                                   : PCM
Format settings, Endianness              : Little
Codec ID                                 : 1
Duration                                 : 4mn 22s
Bit rate mode                            : Constant
Bit rate                                 : 1 411.2 Kbps
Channel(s)                               : 2 channels
Sampling rate                            : 44.1 KHz
Bit depth                                : 16 bits
Stream size                              : 44.2 MiB (100%)

2. 使用vim使用十六进制打开该文件

      1 0000000: 5249 4646 741d c302 5741 5645 666d 7420  RIFFt...WAVEfmt                            2 0000010: 1000 0000 0100 0200 44ac 0000 10b1 0200  ........D.......3 0000020: 0400 1000 6461 7461 501d c302 0100 0000  ....dataP.......4 0000030: ffff 0000 0000 0000 0000 0100 0000 ffff  ................5 0000040: 0000 0100 0000 ffff 0000 0000 ffff 0100  ................6 0000050: 0200 ffff fdff 0100 0300 ffff ffff 0200  ................7 0000060: 0000 feff 0100 0200 ffff feff 0100 0200  ................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。