windows声音应用程序开发指南__第2章__WAV文件格式.ppt

第2章 WAV文件格式 第2章 WAV文件格式 2.1 WAV文件格式1,2,3,4 2.2 保存为WAV文件格式1,2,3,4,5 2.3 压缩WAVE音频5 2.4 本 章 小 结 第2章 WAV文件格式 2.1 WAV文件格式1,2,3,4 2.1.1 RIFF文件和WAV文件格式 1RIFF文件 RIFF可以看做是一种树状结构，其基本构成单位为“ 块”（Chunk），它犹如树状结构中的节点。每个 Chunk由“辨别码”（ID）、“数据大小”（Size）和“数据 ”（Data）所组成，如表2-1所示。 第2章 WAV文件格式 表2-1 RIFF文件格式 辨别码 (ID) 用4字符（ASCII码）表示 用于表示Chunk“数据”的类型。如果一个应用程序不能识别该“辨别码”， 则将忽略由Chunk“大小”所指定的Chunk “数据”和附加的数据 数据大小 (Size) 用32位无符号数值表示 用于表示Chunk“数据”的长度和Chunk “数据”后附加的数据长度(单位为 Byte)，这一值还包括Chunk“辨别码”和Chunk “大小”所占用的空间（共 8 Byte） 数据 (Data) 二进制数据，数据可以是固定长度也可以是可变长度。相对于RIFF文件起 始位置，数据是“字对齐”（Word-aligned）的，这样可以提高数据访问速度 。如果数据的字节长度为奇数，那么在数据后面要附加一个字节，以保持“ 字对齐” 第2章 WAV文件格式 一般而言，Chunk本身并不允许内部再包含Chunk， 但有两种情况例外，即分别以“RIFF”及“LIST”为辨别 码的Chunk可以包含子Chunk。 以“RIFF”为辨别码的Chunk包含子Chunk的格式如图 2-1所示。图中前4个字符 第2章 WAV文件格式 图2-1 RIFF文件结构 第2章 WAV文件格式 2WAV文件 WAV为WAVEFORM（波形）的缩写。WAV文件的 结构如图2-2所示，RIFF Chunk中子Chunk的“格式辨别 码”为“WAVE”。整个文件由两个Chunk所组成：辨别 码“fmt”(注意，最后一个是空白字符)及“data”。 第2章 WAV文件格式 图2-2 WAV文件结构 第2章 WAV文件格式 在“fmt”的Chunk下包含了一个PCMWAVEFORMAT 数据结构，该结构与前一章中的WAVEFORMATEX结 构类似，其定义如下： typedef struct waveformat - tag WORDwFormatTag ; WORD nChannels; DWORDnSamplesPerSec; DWORD nAvgBytesperSec; WORDnBlockAlign; WAVEFORMAT; 第2章 WAV文件格式 typedef struct pcmwaveformat - tag WAVEFORMAT wf ; WORD wBitsPerSample; PCMWAVEFORMAT; 第2章 WAV文件格式 其意义分别如下： wFormatTag：记录着此声音的格式代号，例如 WAVE_FORMAT_PCM，WAVE_FORMAT_ADPCM 等等。 nChannels：记录声音的声道数。 nSamp1esPerSec：记录每秒采样数（采样率）。 nAvgBytesPerSec：记录每秒的平均数据量。 nBlockA1ign：记录块的对齐单位。 wBitsPerSample：记录每个采样样本所需的位元数。 第2章 WAV文件格式 “data”Chunk包含真正的声音数据。Windows目前仅提 供WAVE_FORMAT_PCM一种数据格式，其所代表的 意义是脉冲编码调制（PCM，Pu1se Code Modulation ）。 用编辑工具UltraEdit查看WAV文件的文件头，如图2 -3所示。 表2-2以数据在文件中的存放位置说明了WAV文件格 式，其中偏移地址是相对于文件头的地址。 第2章 WAV文件格式 图2-3 WAV文件的文件头 第2章 WAV文件格式 表2-2 WAV文件格式说明表 偏移地址字节数数据类型内 容 说 明 00H4Char “RIFF”标志 04H4Long文件长度 08H4Char “WAVE”标志 0CH4Char “fmt”标志 10H4LongWAVEFORMAT结构的长度 14H2Int格式类别（例如，10H为PCM形式的声音数据） 16H2Int声道数，单声道为1，双声道为2 18H4Long采样率（每秒样本数），表示每个声道的播放速度 1CH4long int波形音频数据传送速率，其值为(声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 第2章 WAV文件格式 偏移地 址 字节数数据类型内 容 说 明 20H2Int 数据块的调整数（按字节算的），其值为(声道数每样本 的数据位数)/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 22H2Int 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 24H4Char数据标记符“data” 28H4long int声音数据的长度 28H以后 long int声音数据 第2章 WAV文件格式 Windows定义了在“data”Chunk中数据的存放情形， 表2-3列出了四种不同声道数及取样所需的位元数以及 位元位置的安排。其中： 对于8位单声道，每个样本数据由8位（bit）表示； 对于8位立体声，每个声道的数据由一个8位（bit）数据 表示，且第一个8位（bit）数据表示0声道（左）数据 ，紧随其后的8位（bit）数据表示1声道（右）数据； 对于16位单声道，每个样本数据由16位（bit）表示； 第2章 WAV文件格式 对于16位立体声，每个声道的数据由一个16位（bit ）数据表示，且第一个16位（bit）数据表示0声道（左 ）数据，紧随其后的16位（bit）数据表示1声道（右） 数据。 第2章 WAV文件格式 表2-3 PCM数据的存放方式 样本1 (1 Byte)样本2(1 Byte)样本3(1 Byte)样本4(1 Byte) 8位单声道0声道0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) 样本1(2 Byte)样本2(2 Byte) 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 第2章 WAV文件格式 WAV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 据格式如表2-4所示。 第2章 WAV文件格式 表2-4 PCM数据的存放方式 样本大小数据格式最大值最小值静 音 8位PCMunsigned int2250128 16位PCMint32 767-32 7670 第2章 WAV文件格式 2.1.2 WAV文件信息的具体应用 WAV文件包括了对原始声音的高速率采样数据，并 且以WAVE_PCM_FORMAT格式的形式保存。在读出 WAV文件头信息之后，接着的数据就是原始声音的高 速率采样信息。我们可以在Visual C+程序中对这些信 息作多方面的处理，其中包括： 第2章 WAV文件格式 波形显示 我们可以以时间振幅的方式显示出原始声音的波形 ，这是最简单同时也是最直接的信息处理方式。在时 间范围内，我们可以观察该信号波形是否连续，中间 是否有跳变等。 频谱显示 我们可以以频率振幅的方式显示出原始声音的频 谱，在对原始信号经过FFT变换之后，可以得到该信号 的频谱，进而得到该信号的能量集中带、分布特征、 谱对称系数等等。 第2章 WAV文件格式 用于语音信号识别 讲话者的个体识别是语音信号处理的一个重要内容 ，但它的一个前提条件是必须提供语音信号的数字波形 。通常的方法是将原始的语音信号进行放大、抗混叠滤 波、A/D采样、数值编码，最终得到语音信号的数字波形 。 第2章 WAV文件格式 2.2 保存为WAV文件格式1,2,3,4,5 2.2.1 创建一个空文件 用系统函数CreateFile创建一个空文件，其程序如下： #include FILE* m_fp = NULL;/文件句柄 DWORDdwFileSize=0; /文件长度 第2章 WAV文件格式 DWORD dwTotalAudioLength=0;/声音数据长度 HANDLEOpenFileToWrite(LPCTSTR lpFileName) SECURITY_ATTRIBUTESsa; sa.nLength = sizeof(SECURITY_ATTRIBUTES); sa.lpSecurityDescriptor = NULL; sa.bInheritHandle = FALSE; return CreateFile(lpFileName, GENERIC_WRITE, 0, 第2章 WAV文件格式 2.2.2 写WAV文件头 首先，要得到声音采样数据的相关信息，通常这些 信息存储在一个WAVEFORMATEX结构中，用系统函 数WriteFile将文件头信息写入新创建的文件。其程序 如下： BOOL WriteWaveFileHeader(char *DesFilename, WAVEFORMATEX wfx) long cbFmtChunk, cbDataChunk; 第2章 WAV文件格式 /m_fp在前面已定义过 m_fp = fopen ( DesFilename , “w+b“ ); if (!m_fp ) return FALSE; /打开文件出错 cbFmtChunk = sizeof(WAVEFORMATEX) +wfx.cbSize; /WAVEFORMATEX结构长度 dwFileSize= 46;/46为文件头的长度 dwTotalAudioLength=0; cbDataChunk = dwTotalAudioLength; 第2章 WAV文件格式 fwrite ( “RIFF“,1, sizeof (DWORD), m_fp ); /RIFF标识 符（占用4 Byte） fwrite ( /文件长度（占用4 Byte） fwrite ( “WAVE“,1, sizeof (DWORD), m_fp ); /WAVE标识符（占用4 Byte） fwrite ( “fmt “,1, sizeof (DWORD), m_fp ); /fmt标识符（占用4 Byte） fwrite ( /WAVEFORMAT结构的长度（4 Byte） 第2章 WAV文件格式 fwrite ( /WAVEFORMAT结构的内容 (18 Byte) fwrite ( “data“,1, sizeof (DWORD), m_fp ); /data标识符（占用4 Byte） fwrite ( /声音数 据长度（占用4 Byte） return TRUE; 第2章 WAV文件格式 2.2.3 写声音数据 将给定缓冲区中声音数据写入WAV文件，其程序 如下： BOOL WriteWaveFileData(LPBYTE lpBufferData, DWORD dwDataSize) if (dwDataSize = 0) 第2章 WAV文件格式 return FALSE; else fwrite(lpBufferData, 1, dwDataSize, m_fp); dwFileSize+= dwDataSize; /文件长度随着增加 dwTotalAudioLength=dwTotalAudioLength+ dwDataSize;/声音数据长度随着增加 return TRUE; 第2章 WAV文件格式 fseek( m_fp, 42, SEEK_SET ); /设置文件指针 fwrite(/写入声音数据长度 fclose(m_fp); /关闭文件 m_fp = NULL; return true; 第2章 WAV文件格式 2.3 压缩WAVE音频5 2.3.1 CODECs介绍 Microsoft的Windows 95/98/NT/2000操作系统都具有 能通过安装的CODECs处理编码的WAVE格式的音频 和视频数据流的能力。 一个CODEC是一小段用于编码（Code）及解码（ DECode）数据流的代码（因此得名CODEC）。许多 CODECs既能编码又能解码。而一些CODECs仅能用于 解码，这样私有数据可以在系统上播放，但数据格式 不能在系统上创建。 第2章 WAV文件格式 2.3.2 系统中有什么CODECs Microsoft的Windows 95/98/NT/2000本身附带有几 种标准的CODECs，也可由系统中所安装的应用程序 安装其它的 CODECs。例如，DSP Group公司的 TrueSpeech CODEC随Windows 95发送，因此，用户写 的任何基于Windows 95的应用程序都可使用此CODEC （只要用户没有在控制面板中删除它或禁止它）。 第2章 WAV文件格式 所有安装的CODECs都由音频编码解码器（ACM） 管理（见图2-4）。我们可以用一段小程序从ACM中查 到安装了哪些CODECs，它们都支持什么格式。也可 双击控制面板中的多媒体选项，选择高级标签，就能 看到系统中所安装的CODECs。 下面用一段程序介绍如何应用ACM。首先从调用 ACM编程接口所需的包含的头文件开始： 第2章 WAV文件格式 #include #include #include / 多媒体注册 #include / 音频编码解码器 #include 第2章 WAV文件格式 图2-4 音频编码解码器 第2章 WAV文件格式 mmsystem.h头文件包含了Windows支持的大部分的 多媒体功能，但不包含ACM接口及任何厂商定义。 mmreg.h包含了对不同厂商设计的各种WAVE数据类 型的格式标签的定义。它也包含了用于处理不同的 WAVE数据类型的结构（基于WAVEFORAMTEX）的 定义。 msacm.h包含了ACM所需的API、标志等等。 我们要做的第一件事就是执行一些常见的ACM查询 来判断版本号，获取它当前管理了多少个驱动程序的 信息。下面是查询ACM的部分代码： 第2章 WAV文件格式 DWORD dwACMVer = acmGetVersion( ); printf(“ACM version %u.%.02u build %u“, HIWORD(dwACMVer) 8, HIWORD(dwACMVer) if (LOWORD(dwACMVer) = 0) printf(“ (Retail)“); printf(“n“); 第2章 WAV文件格式 acmGetVersion函数返回一个32位的十六进制数值， 表示ACM的版本号，其形如0xAABBCCCC。其中， AA代表ACM的主版本号；BB代表ACM的副版本号； CCCC代表ACM的debug版本的build号，对于一个非 debug版本（零售版）的ACM，CCCC总为0。例如， 在应用程序中返回版本号为0x05000856，则ACM版本 号为5.00，且系统中安装的是debug版本，build号为 2134（十进制）。 第2章 WAV文件格式 用acmMetrics函数可以知道系统中安装了多少个 CODECs驱动程序： DWORD dwCodecs = 0; MMRESULTmmr=acmMetrics(NULL, ACM_METRIC_COUNT_CODECS, if (mmr) /show_error(mmr); else printf(“%lu codecs installedn“, dwCodecs); 第2章 WAV文件格式 对ACM有了简单了解后，现在可以要求它枚举出系 统中当前所有的驱动程序。我们在程序中所调用的枚 举函数使用回调函数来显示每个设备的数据，这在 Windows编程中是一种很普遍的方法。下面的调用就 是枚举当前ACM所管理的所有设备： / 枚举所有允许的驱动程序 printf(“Enabled drivers:n“); mmr = acmDriverEnum(DriverEnumProc, 0, 0); if (mmr) /show_error(mmr); 第2章 WAV文件格式 acmDriverEnum函数列举出可用的ACM驱动程序， 第一个参数指出回调函数的地址。现在，让我们看看 枚举回调函数DriverEnumProc，它由系统中的每一个 驱动程序调用： BOOL CALLBACK DriverEnumProc(HACMDRIVERID hadid, DWORD dwInstance, DWORD fdwSupport) printf(“ id: %8.8lxH“, hadid); printf(“ supports:n“); 第2章 WAV文件格式 if(fdwSupport if(fdwSupport if(fdwSupport if(fdwSupport 第2章 WAV文件格式 / 获得一些具体信息 ACMDRIVERDETAILS dd; dd.cbStruct = sizeof(dd); MMRESULT mmr = acmDriverDetails(hadid, if (mmr) printf(“ “); /show_error(mmr); else 第2章 WAV文件格式 printf(“ Short name: %sn“, dd.szShortName); printf(“ Long name: %sn“, dd.szLongName); printf(“ Copyright: %sn“, dd.szCopyright); printf(“ Licensing: %sn“, dd.szLicensing); printf(“ Features: %sn“, dd.szFeatures); printf(“ Supports %u formatsn“, dd.cFormatTags); printf(“ Supports %u filter formatsn“, dd.cFilterTags); 第2章 WAV文件格式 / 打开驱动程序 HACMDRIVER had = NULL; mmr = acmDriverOpen( if (mmr) printf(“ “); /show_error(mmr); else DWORD dwSize = 0; 第2章 WAV文件格式 mmr = acmMetrics(had, ACM_METRIC_MAX_SIZE_FORMAT, if(dwSizecbSize=LOWORD(dwSize) sizeof(WAVEFORMATEX); pwf-wFormatTag = WAVE_FORMAT_UNKNOWN; ACMFORMATDETAILS fd; memset( fd.cbStruct = sizeof(fd); fd.pwfx = pwf; fd.cbwfx = dwSize; fd.dwFormatTag = WAVE_FORMAT_UNKNOWN; mmr = acmFormatEnum(had, 第2章 WAV文件格式 if (mmr) printf(“ “); /show_error(mmr); free(pwf); acmDriverClose(had, 0); return TRUE; / 继续枚举 第2章 WAV文件格式 为结构分配了空间后，现在可以用acmFormatEnum来 枚举所支持的格式。这次又用到一个回调函数来取得 枚举出的所支持格式的相关数据： BOOL CALLBACK FormatEnumProc(HACMDRIVERID hadid, LPACMFORMATDETAILS pafd, DWORD dwInstance, DWORD fdwSupport) printf(“ %4.4lXH, %sn“, pafd-dwFormatTag, pafd-szFormat); return TRUE; / 继续枚举 第2章 WAV文件格式 2.3.3 使用特定的CODEC 1两步实现编码 在理想的情况下，编码一些数据可能只要向系统 发出命令“这有一些数据，请编码成这种格式”即可。 但实际上，Windows编程与理想相去甚远，在当前的 现实中，我们得自已做许多琐碎的工作。 第2章 WAV文件格式 2编码的实现过程 在本例中，实现编码分以下四个阶段： (1) 创建一些WAV格式数据的样本; (2) 找到一个合适的CODEC; (3) 将数据转换为该CODEC可处理的中间格式; (4) 将数据转换成所需的格式。 第2章 WAV文件格式 为了简单起见，源数据用程序创建，而不是录入或是从 WAV文件中读取: / 首先我们创建一个可能是刚刚才录制的WAV，其格式 为11.025 kHz, 8位单声道PCM，这是一个 / 在所有机器上都可用的录入格式。例如1秒长的1 kHz的 正弦波WAVE，刚好1000个周期 WAVEFORMATEX wfSrc; memset( wfSrc.cbSize = 0; 第2章 WAV文件格式 wfSrc.wFormatTag = WAVE_FORMAT_PCM; / PCM wfSrc.nChannels = 1; / 单声道 wfSrc.nSamplesPerSec = 11025; / 11.025 kHz wfSrc.wBitsPerSample = 8; / 8 bit wfSrc.nBlockAlign = wfSrc.nChannels * wfSrc.wBitsPerSample / 8; wfSrc.nAvgBytesPerSec = wfSrc.nSamplesPerSec * wfSrc.nBlockAlign; DWORD dwSrcSamples = wfSrc.nSamplesPerSec; 第2章 WAV文件格式 BYTE* pSrcData = new BYTE dwSrcSamples; / 分配1 秒种的长度内存空间 BYTE* pData = pSrcData; double f = 1000.0; double pi = 4.0 * atan(1.0); double w = 2.0 * pi * f; for (DWORD dw = 0; dw wBitsPerSample, pwfDrv-nSamplesPerSec); / 获取驱动程序所支持的PCM格式标签 / 注意：我们只是选取CODEC所支持的枚举出的第一 种PCM格式，但不一定是最好的选择 WAVEFORMATEX* pwfPCM = get_driver_format(hadid, WAVE_FORMAT_PCM); if (pwfPCM = NULL) printf(“Error getting PCM format infon“); exit(1); 第2章 WAV文件格式 printf(“PCM format: %u bits, %lu samples per secondn“, pwfPCM-wBitsPerSample, pwfPCM-nSamplesPerSec); 还要进一步强调的是，get_driver_format函数仅仅枚举出 第一种匹配的格式，也许不能获得最好的质量。 第2章 WAV文件格式 让我们看看第一步的转换，它完成的是将源数据转 换为中间格式： / 将源WAVE转换为CODEC所支持的PCM格式 / 我们使用任一种能实现PCM格式间相互转换的驱动 程序 HACMSTREAM hstr = NULL; mmr = acmStreamOpen( / 标志 第2章 WAV文件格式 if (mmr) printf(“Failed to open a stream to do PCM to PCM conversionn“); exit(1); / 为转换结果开辟一个缓冲区 DWORD dwSrcBytes = dwSrcSamples * wfSrc.wBitsPerSample / 8; DWORD dwDst1Samples =dwSrcSamples * pwfPCM- nSamplesPerSec / wfSrc.nSamplesPerSec; DWORD dwDst1Bytes = dwDst1Samples * pwfPCM- wBitsPerSample / 8; 第2章 WAV文件格式 BYTE* pDst1Data = new BYTE dwDst1Bytes; / 填写转换信息 ACMSTREAMHEADER strhdr; memset( strhdr.cbStruct = sizeof(strhdr); strhdr.pbSrc = pSrcData; / 要转换的源数据 strhdr.cbSrcLength = dwSrcBytes; strhdr.pbDst = pDst1Data; strhdr.cbDstLength = dwDst1Bytes; / 准备好头 mmr = acmStreamPrepareHeader(hstr, / 转换数据 第2章 WAV文件格式 printf(“Converting to intermediate PCM format.n“); mmr = acmStreamConvert(hstr, if (mmr) printf(“Failed to do PCM to PCM conversionn“); exit(1); printf(“Converted OKn“); / 关闭流 acmStreamClose(hstr, 0); 第2章 WAV文件格式 最后一步是将中间格式转换为最终的压缩格式： / 将中间格式转换为最终的压缩格式 / 打开驱动程序 HACMDRIVER had = NULL; mmr = acmDriverOpen( if (mmr) printf(“Failed to open drivern“); exit(1); 第2章 WAV文件格式 / 打开转换流 / 注意使用了ACM_STREAMOPENF_NONREALTIME标志 / 若没有此标志，一些软件压缩程序会报告512号错误，即不可能 mmr = acmStreamOpen( exit(1); / 为转换结果分配一个缓冲区 / 根据以字节计的平均速率计算输出缓冲区的尺寸 / 并加上一机动位（bit） 第2章 WAV文件格式 / 若没有此额外的空间，IMA_ADPCM驱动程序将不能转换 DWORD dwDst2Bytes=pwfDrv-nAvgBytesPerSec *dwDst1Samples/ pwfPCM-nSamplesPerSec; dwDst2Bytes = dwDst2Bytes * 3 / 2;/ 增加一 点空间 BYTE* pDst2Data = new BYTE dwDst2Bytes; / 填写