分类： 音频处理 2007-12-12 09:29 3008人阅读 评论(3) 收藏 举报
PCM文件：模拟音频信号经模数转换（A/D变换）直接形成的二进制序列，该文件没有附加的文件头和文件结束标志。Windows的Convert工具可以把PCM音频格式的文件转换成Microsoft的WAV格式的文件。
将音频数字化，其实就是将声音数字化。最常见的方式是透过脉冲编码调制
PCM(Pulse Code
Modulation) 。运作原理如下。首先我们考虑声音经过麦克风，转换成一连串电压变化的信号，如图一所示。这张图的横座标为秒，纵座标为电压大小。要将这样的信号转为 PCM 格式的方法，是使用三个参数来表示声音，它们是：声道数、采样位数和采样频率。
采样频率：即取样频率,指每秒钟取得声音样本的次数。采样频率越高,声音的质量也就越好,声音的还原也就越真实，但同时它占的资源比较多。由于人耳的分辨率很有限,太高的频率并不能分辨出来。在16位声卡中有22KHz、44KHz等几级,其中，22KHz相当于普通FM广播的音质，44KHz已相当于CD音质了，目前的常用采样频率都不超过48KHz。
采样位数：即采样值或取样值（就是将采样样本幅度量化）。它是用来衡量声音波动变化的一个参数，也可以说是声卡的分辨率。它的数值越大，分辨率也就越高，所发出声音的能力越强。
声道数：很好理解，有单声道和立体声之分，单声道的声音只能使用一个喇叭发声（有的也处理成两个喇叭输出同一个声道的声音），立体声的pcm可以使两个喇叭都发声（一般左右声道有分工） ，更能感受到空间效果。
下面再用图解来看看采样位数和采样频率的概念。让我们来看看这几幅图。图中的黑色曲线表示的是pcm文件录制的自然界的声波，红色曲线表示的是pcm文件输出的声波，横坐标便是采样频率；纵坐标便是采样位数。这几幅图中的格子从左到右，逐渐加密，先是加大横坐标的密度，然后加大纵坐标的密度。显然，当横坐标的单位越小即两个采样时刻的间隔越小，则越有利于保持原始声音的真实情况，换句话说，采样的频率越大则音质越有保证；同理，当纵坐标的单位越小则越有利于音质的提高，即采样的位数越大越好。
在计算机中采样位数一般有8位和16位之分，但有一点请大家注意，8位不是说把纵坐标分成8份，
而是分成2的8次方即256份； 同理16位是把纵坐标分成2的16次方65536份； 而采样频率一般有11025HZ（11KHz），22050HZ（22KHz）、44100Hz（44KHz）三种。 样点 幅值 t1 0011 t2 0101 t3 0111 t4 1001 t5 1011 t6 1101 t7 1110 ... ... t16 0110 t17 0110 t18 0101 t19 0011 t20 0000
那么，现在我们就可以得到pcm文件所占容量的公式： 存储量=(采样频率*采样位数*声道)*时间/8(单位：字节数)
例如，数字激光唱盘(CD－DA，红皮书标准)的标准采样频率为44.lkHz，采样数位为16位，立体声(2声道)，可以几乎无失真地播出频率高达22kHz的声音，这也是人类所能听到的最高频率声音。激光唱盘一分钟音乐需要的存储量为：
(44.1*1000*l6*2)*60/8=10，584，000(字节)=10.584MBytes 这个数值就是pcm声音文件在硬盘中所占磁盘空间的存储量。
计算机音频文件的格式决定了其声音的品质，日常生活中电话、收音机等均为模拟音频信号，即不存在采样频率和采样位数的概念，我们可以这样比较一下： 44KHz，16BIT的声音称作：CD音质；
22KHz、16Bit的声音效果近似于立体声（FM Stereo）广播，称作：广播音质；
11kHz、8Bit的声音，称作：电话音质。 微软的WAV文件就是pcm编码的一种
=======================================================================
WAV(PCM)文件格式分析 2007-01-15 20:59
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文件由文件头和数据体两大部分组成。其中文件头又分为RIFF／WAV文件标识段和声音数据格式说明段两部分。WAVE文件各部分内容及格式见附表。
常见的声音文件主要有两种，分别对应于单声道（11.025KHz采样率、8Bit的采样值）和双声道（44.1KHz采样率、16Bit的采样值）。采样率是指：声音信号在“模→数”转换过程中单位时间内采样的次数。采样值是指每一次采样周期内声音模拟信号的积分值。
对于单声道声音文件，采样数据为八位的短整数（short int 00H-FFH）；而对于双声道立体声声音文件，每次采样数据为一个16位的整数（int），高八位和低八位分别代表左右两个声道。
W AVE文件数据块包含以脉冲编码调制（PCM）格式表示的样本。WAVE文件是由样本组织而成的。在单声道WAVE文件中，声道0代表左声道，声道1代表右声道。在多声道WAVE文件中，样本是交替出现的。
WAVE文件格式说明表
偏移地址 字节数 数据类型 内 容 文件头
00H 4 char \"RIFF\"标志 04H 4 long int 文件长度 08H 4 char \"WAVE\"标志 0CH 4 char \"fmt\"标志 10H 4 过渡字节（不定）
14H 2 int 格式类别（10H为PCM形式的声音数据) 16H 2 int 通道数，单声道为1，双声道为2
18H 2 int 采样率（每秒样本数），表示每个通道的播放速度， 1CH 4 long int 波形音频数据传送速率，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。
24H 4 char 数据标记符＂data＂ 28H 4 long int 语音数据的长度 PCM数据的存放方式： 样本1 样本2
8位单声道 0声道 0声道
8位立体声 0声道（左） 1声道（右） 0声道（左） 1声道（右） 16位单声道 0声道低字节 0声道高字节 0声道低字节 0声道高字节
16位立体声 0声道（左）低字节 0声道（左）高字节 1声道（右）低字节 1声道（右）高字节 WAVE文件的每个样本值包含在一个整数i中，i的长度为容纳指定样本长度所需的最小字节数。首先存储低有效字节，表示样本幅度的位放在i的高有效位上，剩下的位置为0，这样8位和16位的PCM波形样本的数据格式如下所示。
样本大小 数据格式 最大值 最小值 8位PCM unsigned int 225 0 16位PCM int 32767 -32767
=======================================================================
android里有关录音的有两个类audioRecord和MediaRecorder 前者适合实时处理音频数据 后者适合将音视频保存在本地
但是后者对于保存的媒体格式好像只有mpeg4、amr、3gpp，跪求高手询问，怎么保存成wav格式？最好有现成代码。
当然您要是告诉我用audioRecord取出字节流，自己拼成wav格式，我只能说这也是不得己的一种方法。
=======================================================================
wav文件格式分析详解
分类： 资源之海 2006-07-17 15:51 27910人阅读 评论(2) 收藏 举报
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 | | 8bit量化
| 取样1 | 取样2 | |-------------------------------------------------------- | 声道0(左) | 声道1(右) | 声道0(左) | 声道1(右) |
--------------------------------------------------------------------- | | 单声道
| 取样1 | 取样2 | |--------------------------------------------------------
| 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
网上有一篇曹京写的《wav文件格式分析详解》已经介绍过wav文件格式，有兴趣的读者可以查阅。wav文件通常包含4段：RIFF、格式段、FACT段和数据段。 PCM数据就放在数据段。只要格式段设置的格式与数据段的数据一致，播放程序就可以正确解析。下面这个数组的数据其实就是一个最小的wav文件。
static const unsigned char wav_template[] =
{ };
// Data Chunk
0x64, 0x61, 0x74, 0x61, 0x00, 0x00, 0x00, 0x00,
// \"data\" // 块长度
// RIFF WAVE Chunk 0x52, 0x49, 0x46, 0x46, 0x30, 0x00, 0x00, 0x00, 0x57, 0x41, 0x56, 0x45,
// Format Chunk
0x66, 0x6D, 0x74, 0x20, 0x10, 0x00, 0x00, 0x00, 0x01, 0x00, 0x01, 0x00,
0x80, 0x3E, 0x00, 0x00,
// \"fmt \" // 块长度 // 编码方式 // 声道数目 // 采样频率
// 每秒所需字节数=采样频率*块对齐字节 // 数据对齐字节=每个样本字节数*声道数目 // 样本宽度 // \"RIFF\"
// 总长度 整个wav文件大小减去ID和Size所占用的字节数 // \"WAVE\"
0x00, 0x7D, 0x00, 0x00, 0x02, 0x00, 0x10, 0x00,
// Fact Chunk
0x66, 0x61, 0x63, 0x74, 0x04, 0x00, 0x00, 0x00, 0x00, 0xBE, 0x00, 0x00,
// \"fact\" // 块长度
这个wav文件的数据长度为0。我们要增加PCM数据只要完成以下工作：
在数据段尾增加PCM数据；
修改数据段的块长度，修改RIFF段的总长度； 正确设置格式段的PCM参数。
样本长度可能不是8的整数倍，这时wav文件还是要求样本按照字节对齐。在一个样本中数据是左对齐的，右侧空位用0填充。 pcm2wav只考虑了样本长度是16位的情况。
如果有多个声道，wav文件要求先放样本1的各声道数据，再放样本2的各声道数据，依此类推。因为我没有碰到过处理多声道数据的需求，所以pcm2wav只考虑了单声道。
因篇幅问题不能全部显示，请点此查看更多更全内容