第七章 WAV文件格式说明.pdf

1. 频简介 经常见到这样的描述: 44100HZ 16bit stereo 或者 22050HZ 8bit mono 等等. 44100HZ 16bit stereo: 每秒钟有 44100 次采样, 采样数据用 16 位(2 字节)记录, 双声道(立体声); 22050HZ 8bit mono: 每秒钟有 22050 次采样, 采样数据用 8 位(1字节) 记录, 单声道; 当然也可以有 16bit 的单声道或 8bit 的立体声, 等等。 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(左声道)和低八位(右声道)分别代表两个声道。 人对频率的识别范围是 20HZ - 20000HZ, 如果每秒钟能对声音做 20000 个 采样, 回放时就足可以满足人耳的需求. 所以 22050 的采样频率是常用的, 44100 已是CD 音质, 超过48000 的采样对人耳已 没有意义。这和电影的每 秒 24 帧图片的道理差不多。 每个采样数据记录的是振幅, 采样精度取决于储存空间的大小: 1 字节(也 是8bit) 只能记录 256 个数, 也 是只能将振幅划分成 256 个等级; 2 字节(也 是16bit) 可以细到 65536 个数, 这已是 CD 标准了; 4 字节(也 是32bit) 能把振幅细分到 4294967296 个等级, 实在是没必 要了. 如果是双声道(stereo), 采样 是双份的, 文件也差不多要大一倍. 这样我们 可以根据一个 wav 文件的大小、采样频率和采样大小估算出一个 wav 文件的播放长度。 譬如 Windows XP 启动.wav 的文件长度是 424,644 字节, 它是 22050HZ / 16bit / 立体声 格式(这可以从其 属性-摘要 里看到), 那么它的每秒的传输速率(位速, 也叫比特率、取样率)是 22050*16*2 = 705600(bit/s), 换算成字节单位 是 705600/8 = 88200(字节/秒), 播放时间：424644(总字节数) / 88200(每秒字节数) ≈ 4.8145578(秒)。 但是这还不够精确, 包装标准的 PCM 格式的 WAVE 文件(*.wav)中至少带有 42 个字节的头信息, 在计算播放时间时应该将其去掉, 所以 有：(424644-42) / (22050*16*2/8) ≈ 4.8140816(秒). 这样 就比较精确了. 于声音文件还有一个概念: 位速, 也有叫做比特率、取样率, 譬如上面文 件的位速是 705.6kbps 或 705600bps, 其中的 b 是 bit, ps 是每秒的 意思; 压缩的音频文件常常用位速来表示, 譬如达到 CD 音质的 MP3 是: 128kbps / 44100HZ. 2. wave 文件格式 2.1 概述 WAVE 文件是计算机领域最常用的数字化声音文件格式之一，它是微软专门为 Windows 系统定义的波形文件格式 （Waveform Audio），由于其扩展名为 *.wav。 WAVE 是录音时用的标准的WINDOWS 文件格式，文件的扩展名为 WAV”，数据 本身的格式为PCM 或压缩型。 WAV 文件格式是一种由微软和IBM 联合开发的用于音频数字存储的标准，它采 用RIFF 文件格式结构，非常接近于AIFF 和IFF 格式。符合 PIFF Resource Interchange File Format 规范。所有的WAV 都有一个文件头，这个文件 头音频流的编码参数。 WAV 对音频流的编码没有硬性规定，除了PCM 之外，还有几乎所有支持ACM 规 范的编码都可以为WAV 的音频流进行编码。 多媒体应用中使用了多种数据，包括位图、音频数据、视频数据以及外围设备控 制信息等。RIFF 为存储这些类型的数据提供了一种方法，RIFF文件所包含的 数据类型由该文件的扩展名来标识，能以RIFF 文件存储的数据包括： 音频视频交错格式数据(.AVI) 、波形格式数据(.WAV) 、位图格式数据 (.RDI) 、MIDI 格式数据(.RMI) 、调色板格式(.PAL) 、多媒体电影 (.RMN) 、动画光标(.ANI) 、其它RIFF 文件(.BND)。 wave 文件有很多不同的压缩格式，所以，正确而详细地了解各种WAVE