wav音频文件解析

一、音频相关概念

1、样本

A/D转换器以每秒钟上万次的速率对声波进行采样，每个采样点都记录下了原始模拟声波在某一时刻的状态，通常称之为样本。通过将一串连续的样本连接起来，就可以在计算机中描述一段声音了。

2、采样频率

每一秒钟所采样的数目称为采样频率，单位hz，典型值是11025Hz、22050Hz和44100Hz。

采样频率的选择应该遵循奈奎斯特（Harry Nyquist）采样理论：如果对某一模拟信号进行采样，则采样后可还原的最高信号频率只有采样频率的一半，或者说只要采样频率高于输入信号最高频率的两倍，就能从采样信号系列重构原始信号。

3、采样分辩率（采样精度）

采样分辨率指的是在数字音频中用于表示每个采样值的位数。它决定了数字音频系统可以表示的动态范围和精度。常见的采样分辨率有8位、12位和16位等。位数越高，表示的动态范围越大，音频质量也更高。

4、数据传输速率

每秒平均传输的字节数，播放软件利用此值可以估计缓冲区的大小，计算公式：声道数×采样频率×每样本的数据位数 / 8

4、WAV文件

WAV为微软公司（Microsoft)开发的一种声音文件格式，它符合RIFF(Resource Interchange File Format)文件规范， “RIFF”是wav文件识别码.

数据本身的格式为PCM或压缩型，属于无损音乐格式的一种。所有的WAV都有一个文件头，这个文件头音频流的编码参数。数据块的记录方式是little-endian字节顺序，标志符并不是字符串而是单独的符号。

1. 偏移地址	大小（字节）	数据块类型	内容
   00H~03H	4	4字符	大写字符串"RIFF",标明该文件为有效的 RIFF 格式文档。
   04H~07H?	4	长整数??	从下一个字段首地址开始到文件末尾的总字节数。该字段的数值加 8 为当前文件的实际长度。
   ?08H~0BH	4	4字符	所有 WAV 格式的文件此处为字符串"WAVE",标明该文件是 WAV 格式文件。
   ?0CH~OFH	4	4字符	小写字符串"fmt "，最后一位空格。
   10H~13H	4	整数	?过滤字节(一般为00000010H)，若为00000012?H则说明数据头携带附加信息(见“附加信息”)。
   ?14H~15H	2	整数	?PCM 脉冲编码调制格式种类(该数值通常为1，表示数据为线性PCM编码)
   16H~17H	2	整数	通道数，单声道为1，双声道为2
   18H~1BH	4	长整数	采样频率
   1CH~1FH	4?	长整数	数据传输速率(每秒平均字节数)
   20H~21H	2?	整数	采样帧大小。该数值为:声道数×位数/8。播放软件需要一次处理多个该值大小的字节数据,用该数值调整缓冲区。
   22H~23H	2	整数	采样位数,存储每个采样值所用的二进制数位数
   ?随后2字节	2?	整数	附加信息(可选，由上方过滤字节确定)
   随后	...	不定长度字符	?"fact",该部分是可选部分，一般当WAV文件是由某些软件转换而来时，包含该部分。 若包含该部分: (1)该部分的前4字节为数据头，一般为4个字母， (2)随后4个字节表示长度，即除去头(4字节)和长度(4字节)之后，数据本身的长度。 (3)最后的字节为数据本身。 例如:“66 61?7374?04?00?00?00 F8?2F?14?00“,"66?61?73 74"是fact字段的数据头，"04 00 00?00是数据本身的长度，“F8 2F 14 00”是数据本身。(注意是little-endian字节顺序)
   随后4字节	4	?4字符	数据标志符"data"
   随后4字节	4	?长整型	DATA总数据长度字节
   ?随后	...		DATA数据块

   

   //数据头定义
   struct T_RecorderWavHeader
   {
       //RIFF chunk descriptor 12byte
       char            riff[4];            // = "RIFF"
       uint32_t        size_8;             // = FileSize - 8
       char            wave[4];            // = "WAVE"
   
       //fmt sub-chunk  24byte
       char            fmt[4];             // = "fmt "
       uint32_t        format_size;        // = 过滤字节(一般为00000010H，若为00000012H说明数据头携带附加信息)
       uint16_t        format_tag;         // = 常见的 WAV 文件使用 PCM 脉冲编码调制格式,该数值通常为 1
       uint16_t        channels;           // = 声道个数: 单声道为 1,立体声或双声道为 2
       uint32_t        samples_per_sec;    // = 采样频率 : 8000 | 6000 | 11025 | 16000 | 22050  | 44100
       uint32_t        avg_bytes_per_sec;  // = 数据传输速率(每秒平均字节数)：声道数×采样频率×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。
                                           // = samples_per_sec * channels * bits_per_sample / 8
       uint16_t        block_align;        // = 每采样点字节数 : 声道数×位数/8。播放软件需要一次处理多个该值大小的字节数据,用该数值调整缓冲区。
                                           // = channels * bits_per_sample / 8
       uint16_t        bits_per_sample;    // = 采样位数: 存储每个采样值所用的二进制数位数, 8 | 16
   
       //data sub-chunk  8byte
       char            data[4];            // = "data";
       uint32_t        data_size;          // = 纯数据长度 : FileSize - 44
   };
   
   // 根据本系统的具体字节序处理的存放格式
   #if   __BYTE_ORDER == __LITTLE_ENDIAN
   
   	#define RIFF ('F'<<24 | 'F'<<16 | 'I'<<8 | 'R'<<0)
   	#define WAVE ('E'<<24 | 'V'<<16 | 'A'<<8 | 'W'<<0)
   	#define FMT  (' '<<24 | 't'<<16 | 'm'<<8 | 'f'<<0)
   	#define DATA ('a'<<24 | 't'<<16 | 'a'<<8 | 'd'<<0)
   
   	#define LE_SHORT(val) (val) 
   	#define LE_INT(val)   (val) 
   
   #elif __BYTE_ORDER == __BIG_ENDIAN
   
   	#define RIFF ('R'<<24 | 'I'<<16 | 'F'<<8 | 'F'<<0)
   	#define WAVE ('W'<<24 | 'A'<<16 | 'V'<<8 | 'E'<<0)
   	#define FMT  ('f'<<24 | 'm'<<16 | 't'<<8 | ' '<<0)
   	#define DATA ('d'<<24 | 'a'<<16 | 't'<<8 | 'a'<<0)
   
   	#define LE_SHORT(val) bswap_16(val) 
   	#define LE_INT(val)   bswap_32(val) 
   
   #endif
   

   根据对WAV格式的了解，编写了一个对wav音频文件的裁剪工具，欢迎大家点击下载。

2. 

3. 参考博客：【音频驱动】Linux之ALSA声卡、WAV文件相关概念_alsa 音频-CSDN博客