Saturday, September 06, 2008

WAVE格式文件分析

一. RIFF概念

在Windows环境下,大部分的多媒体文件都依循着一种结构来存放信息,这种结构称为"资源互换文件格式"(Resources lnterchange File Format),简称RIFF。例如声音的WAV文件、视频的AV1文件等等均是由此结构衍生出来的。RIFF可以看做是一种树状结构,其基本构成单位为chunk,犹如树状结构中的节点,每个chunk由"辨别码"、"数据大小"及"数据"所组成。

块的标志符(4BYTES)

数据大小 (4BYTES)

数据

                               图一、 块的结构示意图

辨别码由4个ASCII码所构成,数据大小则标示出紧跟其后数据的长度(单位为Byte),而数据大小本身也用掉4个Byte,所以事实上一个chunk的长度为数据大小加8。一般而言,chunk本身并不允许内部再包含chunk,但有两种例外,分别为以"RIFF"及"L1ST"为辨别码的chunk。而针对此两种chunk,RIFF又从原先的"数据"中切出4个Byte。 此4个Byte称为"格式辨别码",然而RIFF又规定文件中仅能有一个以"RIFF"为辨别码的chunk。

RIFF/LIST标志符

数据1大小

数据1

格式/列表类型

数据

                               图二、RIFF/LIST块结构

只要依循此一结构的文件,我们均称之为RIFF档。此种结构提供了一种系统化的分类。如果和MS一DOS文件系统作比较,"RIFF"chunk就好比是一台硬盘的根目录,其格式辨别码便是此硬盘的逻辑代码(C:或D:),而"L1ST"chunk即为其下的子目录,其他的chunk则为一般的文件。至于在RIFF文件的处理方面,微软提供了相关的函数。视窗下的各种多媒体文件格式就如同在磁盘机下规定仅能放怎样的目录,而在该目录下仅能放何种数据。

二. WAV文件格式

WAVE文件是非常简单的一种RIFF文件,它的格式类型为"WAVE"。RIFF块包含两个子块,这两个子块的ID分别是"fmt"和"data",其中"fmt"子块由结构PCMWAVEFORMAT所组成,其子块的大小就是sizeofof(PCMWAVEFORMAT),数据组成就是PCMWAVEFORMAT结构中的数据。

标志符(RIFF)

数据大小

格式类型("WAVE")

"fmt"

Sizeof(PCMWAVEFORMAT)

PCMWAVEFORMAT

"data"

声音数据大小

声音数据

图三、WAVE文件结构

PCMWAVEFORMAT结构定义如下:

Typedef struct
...{
     WAVEFORMAT wf;        /波形格式;
     WORD wBitsPerSample;    //WAVE文件的采样大小;
} PCMWAVEFORMAT;

//WAVEFORMAT结构定义如下:
typedef struct
...{
     WORD wFormatag;        //编码格式,包括WAVE_FORMAT_PCM,WAVEFORMAT_ADPCM等
     WORD nChannls;        //声道数,单声道为1,双声道为2;
     DWORD nSamplesPerSec;    //采样频率;
     DWORD nAvgBytesperSec;    //每秒的数据量;
      WORD nBlockAlign;        //块对齐;
} WAVEFORMAT;

"data"子块包含WAVE文件的数字化波形声音数据,其存放格式依赖于"fmt"子块中wFormatTag成员指定的格式种类,在多声道WAVE文件中,样本是交替出现的。如16bit的单声道WAVE文件和双声道WAVE文件的数据采样格式分别如图四所示:

16位单声道:

采样一

采样二

……

低字节

高字节

低字节

高字节

……

16位双声道:

采样一

……

左声道

右声道

……

低字节

高字节

低字节

高字节

……

                             图四、WAVE文件数据采样格式

WAV文件格式实例分析:

0 1 2 3 4 5 6 7 8 9 A B C D E F

00000000H

00000010H

00000020H

00000030H

00000040H

52 49 46 46 0A 06 01 00 57 41 56 45 66 6D 74 20

12 00 00 00 01 00 02 00 44 AC 00 00 10 B1 02 00

04 00 10 00 00 00 66 61 63 74 04 00 00 00 76 41

00 00 64 61 74 61 D8 05 01 00 00 00 00 00 FF FF

00 00 FE FF FE FF 00 00 00 00 FE FF FE FF 00 00

偏移地址

字节数

数据类型

内容

文件头

00H

4

char

“RIFF”; RIFF标志

04H

4

long int

0x00 01 06 0A(注意数据存储顺序); 文件长度

08H

4

char

“WAVE”; WAVE标志

0CH

4

char

“fmt ”; fmt标志,最后一位为空

10H

4

long int

0x12; sizeof(PCMWAVEFORMAT)

14H

2

int

1(WAVE_FORMAT_PCM); 格式类别,1表示为PCM形式的声音数据

16H

2

int

2; 通道数,单声道为1,双声道为2

18H

2

int

44100; 采样频率(每秒样本数)

1CH

4

long int

0x10B10000; 每秒数据量;其值为通道数×每秒数据位数×每样本的数据位数/8。播放软件利用此值可以估计缓冲区的大小。

20H

2

int

数据块的调整数(按字节算的),其值为通道数×每样本的数据位值/8。播放软件需要一次处理多个该值大小的字节数据,以便将其值用于缓冲区的调整。

22H

2

每样本的数据位数,表示每个声道中各个样本的数据位数。如果有多个声道,对每个声道而言,样本大小都一样。

50H

4

char

“data”; 数据标记符

54H

4

long int

0x00 01 05 D8; 语音数据大小

注意:初次研究,有不对的地方请各位提出。另外,24H-50H间的数据令我感到困惑,借此请教各位,先谢过了。

发表于 @ 2006年10月24日 14:05:00|评论(1)|编辑