音频处理 (一) 音频文件

音频文件

音频文件是对声音进行数字转换之后存放的数据文件，了解音频数据必须先知道几个重要概念。

1. 采样：对声音信息录入时，行进的最小操作单位，一般一次采样具有左右2个声道，每个声道用1或2个字节来存储；

这样采样的量化位数是8位，或16位(样本位宽)，量化位数越高声音音质越好；就像11位电话号码表示的号码比7位要多得多；

2. 采样频率：每秒采样次数，单位Hz，一般的音频文件有11.025kHz、22.05kHz、44.10kHz等；显然，这种模-数信息的转换，每秒采样次数越多，声音就越精确；

3. 码率：每秒编码的bit数，单位是kb/s；计算方式：位宽×声道数×采样频率；(单位是bit不是字节)

4. 声道数，固定值为1-单声道，或者2-双声道，双声道时，每个采样样本中包含左声道、右声道的音频数据，因此两者的数据是交错排列的；

（一）Wave 格式

WAVE是微软开发的声音文件格式，用于保存Windows平台的音频信息资源，文件后缀名*.wav；支持多种压缩算法、多种音频位数、采样频率和声道；

标准的wav文件采用44.1kHz采样频率，16位量化位数，声音文件质量几与CD相当；Wave格式不对源数据做任何处理，如果源数据是无损的，编码后的Wav文件也是无损的；如果源数据是有损的，编码后的Wav文件也是有损的；

1. Wave文件的构成：

RIFF	标志 4B	"RIFF"
	数据大小 4B	-
	格式 4B	"WAVE"
fmt	标志 4B	"fmt "
	结构体大小 4B	16/18
	结构体 16B/18B
data	标志 4B	"data"
	声音数据大小 4B	-
	data	-

音频处理 (一) 音频文件

2. Wave文件的详细结构：

// RIFF 标准媒体流文件头
struct Riff_Header
{
 char szRiffId[4];                 // 'R','I','F','F'    DWORD dwRiffSize;            // Size, 除了这 8 个字节之外,文件剩余大小，等于文件总字节数-8
char szRiffFormat[4];          // 'W','A','V','E'
};

struct Fmt_Block
{
 char szFmtId[4];                       // 'f', 'm', 't',' '
     DWORD dwFmtSize;                 // Size 为 16 或 18

 WORD wFormatTag; // 编码方式，一般为 0x0001
    WORD wChannels;                     // 声道数 1--单声道 2--双声道
    DWORD dwSamplesPerSec;      // 采样频率 /Hz
    DWORD dwAvgBytesPerSec;    // 每秒字节数
    WORD wBlockAlign;                 // 数据块对齐单位(每个采样需要的字节数)
    WORD wBitsPerSample;           // 每个采样需要的 bit
// WORD wBits; // 可能有可能没有，由dwFmtSize字段决定
};

//Fact_Block 块，有些 wav 文件中没有
struct Fact_Block
{
char szFactId[4];                 // 'f','a','c','t'
        DWORD dwFactSize;           //
};

//数据块
struct Data_Block
{
char szDataId[4];                //'d','a,','t','a'
       DWORD dwDataSize;          // 音频数据大小
//data ...
};

说明：

1. RIFF块里面的 dwRiffSize 表示的是整个文件除开头8个字节之外的大小，0x24 0xCD 0x01 0x00，即 118,052 Byte，通过文件属性查得文件大小是118,060Byte;

2. dwFmtSize 为 0x10 0x00 0x00 0x00，即为16；fmt块的剩余部分是一个波形信息结构，是微软定义的：

/*
 *  extended waveform format structure used for all non-PCM formats. this
 *  structure is common to all non-PCM formats.
*/
typedef struct tWAVEFORMATEX
{
    WORD        wFormatTag;         /* format type */
    WORD        nChannels;          /* number of channels (i.e. mono, stereo...) */
    DWORD       nSamplesPerSec;     /* sample rate */
    DWORD       nAvgBytesPerSec;    /* for buffer estimation */
    WORD        nBlockAlign;        /* block size of data */
    WORD        wBitsPerSample;     /* number of bits per sample of mono data */
    WORD        cbSize;             /* the count in bytes of the size of */
/* extra information (after cbSize) */
} WAVEFORMATEX, *PWAVEFORMATEX, NEAR *NPWAVEFORMATEX, FAR *LPWAVEFORMATEX;

WAVEFORMATEX

3. Data块：dwDataSize表示音频数据的大小，0x00 0x01 0xCD 0x00，即118,016，略小于118,052，说明文件末有部分无效数据；

(二) MP3格式

MP3格式（待续 ...）

秒客网

音频处理 (一) 音频文件

相关文章