PCM文件格式简介.doc

PCM文件格式简介 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t1t2t3t4t5t6t7. t16t17t18t19t20幅值0011010101111001101111011110.01100110010100110000 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(CDDA，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 20:59WAVE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RIFFWAV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。WAVE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 WAVEChunk, 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_HEADERcharszRiffID4;/ R,I,F,FDWORDdwRiffSize;charszRiffFormat4;/ 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_FORMATWORDwFormatTag;WORDwChannels;DWORDdwSamplesPerSec;DWORDdwAvgBytesPerSec;WORDwBlockAlign;WORDwBitsPerSample;struct FMT_BLOCKcharszFmtID4;/ f,m,t, DWORDdwFmtSize;WAVE_FORMATwavFormat;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_BLOCKcharszFactID4;/ f,a,c,tDWORDdwFactSize;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 | 取样1 | 取样2 | | |- | 8bit量化 | 声道0(左) | 声道1(右) | 声道0(左) | 声道1(右) | - | | 取样1 | 取样2 | | 单声道 |- | 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_BLOCKcharszDataID4;/ d,a,t,aDWORDdwDataSize;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、/cpp/g-m/multimedia/audio/article.php/c8935_1/ 3、/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 =/ RIFF WAVE Chunk0x52, 0x49, 0x46, 0x46,/ RIFF0x30, 0x00, 0x00, 0x00,/ 总长度 整个wav文件