WAV格式文件分析

概述

WAV格式目前是最常见的音频文件格式之一，是微软公司专门为旗下Windows操作系统开发的一种标准数字音频文件。WAV格式文件最早于1991年8月出现在Windows 3.1操作系统上，文件扩展名为*.wav，是WaveForm的简写，也称为波形文件，可直接存储声音波形，且还原的波形曲线十分逼真。

本质上，WAV文件格式是一种存储声音波形的数字音频格式，是由微软公司和IBM联合设计的，经过了多次修订，可用于Windows，Macintosh，Linux等多种操作系统。WAV支持多种音频数字、取样频率和声道，标准格式化的WAV文件和CD格式一样，也是44.1kHz的取样频率，16位量化数字，因此声音文件质量和CD相差无几。同时，WAV格式文件还有真实记录自然声波形、数据压缩程度低、数据量相对较大等特点。

在本文中，作者则以多媒体文件的“容器”概念出发，针对WAV格式文件的文件结构、数据组织结构、元数据信息等方面作简要的说明。

一、WAV格式文件

1、波形声音文件格式 WAV

WAV即波形声音文件格式 (Waveform Audio File Format，简称WAVE，因后缀为*.wav故简称WAV文件)，其采用RIFF（Resource Interchange File Format，资源互换文件格式）结构，并符合（RIFF）规范，用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持。Wave格式支持MSADPCM、CCITT A律、CCITT μ律和其他压缩算法，支持多种音频位数、采样频率和声道，是PC机上最为流行的声音文件格式；但由于“无损”的特点，WAV文件格式所占用的磁盘空间相对较大（每分钟的音乐大约需要12MB磁盘空间），故此文件格式多用于存储简短的声音片段。同时WAV文件格式通常用来保存PCM格式的原始音频数据，所以通常被称为无损音频。但是严格意义上来讲，WAV也可以存储其它压缩格式的音频数据。

2、音频文件参数简介

对于形如44100HZ 16bit stereo 或者 22050HZ 8bit mono参数描述的音频文件，其蕴含的文件参数包括：

• 采样率：声音信号在“模拟→数字”转换过程中单位时间内被采样的次数。
  
• 采样值（采样精度）：声音模拟信号在每个采样周期内的积分值。
  同时，每个采样数据记录幅度，采样精度取决于存储空间的大小。
  

对于单声道（mono）文件，采样数据为8位的短整数，同时其采样精度有：

• 1 字节（8bit） 只能记录 256 个数, 也就是只能将振幅划分成 256 个等级；
  
• 2 字节（16bit） 可以细到 65536 个数, 即为 CD 标准；
  
• 4 字节（32bit） 能把振幅细分到 4294967296 个等级, 实在是没必要了。
  

对于双声道立体声（stereo）文件，每次采样数据为一个16位的整数（int），且采样是双份的，也为单声道文件的两倍。采样数据中高八位(左声道)和低八位(右声道)分别代表两个声道。

由于wav格式文件本质上为音频文件，即可根据文件的大小、采样频率和采样大小估算文件的播放长度。

二、文件结构

WAV文件遵循RIFF规则，其数据体以区块（Chunk）为最小单位进行存储，而整个文件则以文件头进行标识。其结构示意如下表与图。

1、WAV文件的文件头

PNG格式文件的文件头是由位固定的字节进行描述，其大小占44个字节。

char *header = new char[44]; //wav文件头

其中前四字节为资源交换文件标志“RIFF”。

header[0] ='R';
header[1] ='I';
header[2] ='F';
header[3] ='F';	

后40字节则分别声明音频文件参数，包括：

int file_size;      //文件大小
int channel;         //声道数
int sample_rate;   //采样率
int bit_rate;      //比特率
int sample_bit;    //每个采样点的位数
int data_size;     //pcm数据的大小

2、WAV文件的数据体

WAV文件的数据体区块一般由3个区块组成：RIFF Chunk、Format Chunk和Data Chunk。示意如下表。另外，文件中还可能包含一些可选的区块，如：Fact Chunk、Cue Points Chunk、Playlist Chunk、Associated Data List Chunk等。

三、WAV格式文件数据体结构

目前可知，WAV音频文件的内部数据是以数据体为单位在文件头后进行存储，其数据体内部数据由PCM（脉冲编码调制）格式表示的样本组成。每个区块则均有表征数据块特点的ID、Size等码段，同时也有不同码段内容。

1、RIFF Chunk区块

RIFF数据块长度为12字节，共有三种码段。如下表所示。

在：

• RIFF Chunk类型数据块以RIFF的ID部分为标识，说明数据块类型；
  
• Size是整个文件的长度减去ID和Size的长度，表征包含Type字段在内的数据块长度；
  
• Type是WAVE表示后面需要Format和Data两个子区块。
  

2、Format Chunk区块

在：

• 此类型数据块以“fmt”的ID为标识，说明数据块类型；
  
• Size表示该区块数据不包含ID和Size的长度；
  
• AudioFormat表示Data区块存储的音频数据的格式，PCM音频数据的值为1；
  
• NumChannels表示音频数据的声道数，其中1表示单声道，2表示双声道；
  
• SampleRate表示音频数据的采样率；
  
• ByteRate每秒数据字节数，计算公式为
  

ByteRate = SampleRate × NumChannels × BitsPerSample / 8

• BlockAlign每个采样所需的字节数，计算公式为NumChannels*BitsPerSample/8；
  
• BitsPerSample每个采样存储的bit数，其中8表示8bit，16表示16bit，32表示32bit。
  

3、DATA区块

DATA区块为音频文件存储实际的数据。

在：

• Size表示音频数据的长度，不包含ID和Size数据段，且对于采样率为ByteRate的音频文件数据来说，其计算公式为
  

Size = ByteRate × seconds

• Data为实际存储的完整音频数据。
  

总结

通过对WAV格式文件的文件结构、数据结构以及元数据表示方法的简要学习，作者对WAV格式媒体文件有了进一步的认识。同时，通过分析WAV格式文件内部数据的表示内容，此过程中也对音频文件的各项参数指标有了更深的了解。

参考文献和引用材料

[1]WAV文件格式详解
[2]WAVE PCM Sound File Format
[3]wav文件格式分析
[4]WAV 百度百科