一文聊透WAV音頻文件格式

早些年給消防系統(tǒng)中做過(guò)一個(gè)報(bào)警器，為了節(jié)省資源，直接使用了單片機(jī)解碼，再加上PWM輸出直接推流到功放驅(qū)動(dòng)揚(yáng)聲器，這個(gè)方案里面使用音頻的PCM編碼。

后來(lái)在做平衡車(chē)的時(shí)候，也是用到了同樣的方法，為了讓flash空間更緊湊，還進(jìn)行了音頻數(shù)據(jù)的ADPCM壓縮。

告訴你一個(gè)音頻壓縮算法，讓你的Flash減小四倍

做這一切之前，我們首先要獲得音頻文件，然后再進(jìn)行處理或者直接把音頻放到單片機(jī)的Flash里面，這里就不得不提到WAV格式的音頻文件，這個(gè)是相對(duì)比較簡(jiǎn)單的格式。

WAV概述

wav是window系統(tǒng)中的后綴名，它的完整叫法應(yīng)嘎是Waveform Audio File Format?也就是wave文件格式，它采用RIFF（Resource Interchange File Format）文件格式結(jié)構(gòu)。通常用來(lái)保存PCM格式的原始音頻數(shù)據(jù)，所以通常被稱(chēng)為無(wú)損音頻。但是嚴(yán)格意義上來(lái)講，WAV也可以存儲(chǔ)其它壓縮格式的音頻數(shù)據(jù)。

聲音文件大體上可以分為兩類(lèi)，分別對(duì)應(yīng)于單聲道（11.025KHz 采樣率、8Bit 的采樣值）和雙聲道（44.1KHz 采樣率、16Bit 的采樣值）。

采樣率是指：聲音信號(hào)在模數(shù)轉(zhuǎn)換過(guò)程中，1秒內(nèi)采樣的次數(shù)。采樣值是指每一次采樣周期 ?內(nèi)聲音模擬信號(hào)的電壓量化值。

對(duì)于單聲道的聲音文件，音頻細(xì)節(jié)不多，因此可以采用8bit采樣深度，11.025K的采樣頻率（8K其實(shí)也可以的），采樣數(shù)據(jù)為八位的短整數(shù)（00H-FFH）；而對(duì)于雙聲道立體聲聲音文件，每次采樣數(shù)據(jù)為一個(gè)16位的整數(shù)（0000H-FFFFH），高八位和低八位分別代表左右兩個(gè)聲道。

音頻采樣與播放

人耳對(duì)頻率的識(shí)別范圍是 20HZ - 20000HZ, 如果每秒鐘能對(duì)聲音做 20000 個(gè)采樣, 回放時(shí)就足可以滿足人耳的基本需求. 所以 22050 的采樣頻率是常用的, 44100已是CD音質(zhì)。

根據(jù)奈奎斯特定理，采樣頻率超過(guò)信號(hào)頻率的2倍就可以還原出原始信號(hào)的細(xì)節(jié)，因此超過(guò)48000的采樣對(duì)人耳已經(jīng)沒(méi)有意義。

就比如，早期電影幀數(shù)定為24幀，基本夠用了，不過(guò)現(xiàn)如今，120幀的刷屏也是比比皆是了，之前是低估了人眼的靈敏度。

假設(shè)我們現(xiàn)在有了一段音頻wav，采樣率為22.050KHz，采樣深度為16bit，雙通道。文件大小為424644字節(jié)。

那么音頻每秒的傳輸速率(位速, 也叫比特率、取樣率)是 22050162 = 705600(bit/s), 換算成字節(jié)單位就是 705600/8 = 88200(字節(jié)/秒)，也就是位速是 705.6kbps。

播放時(shí)間：424644(總字節(jié)數(shù)) / 88200(每秒字節(jié)數(shù)) ≈ 4.8145578(秒)。

要是存儲(chǔ)成window可以播放的文件，也就是wave文件，除了音頻本身的信息以外，我們還需要一些其他信息放在文件的頭部， 包裝標(biāo)準(zhǔn)的 PCM 格式的 WAVE 文件(.wav)中至少帶有 42 個(gè)字節(jié)的頭信息，這在計(jì)算播放時(shí)間時(shí)應(yīng)該將其去掉, ?所以就有：(424644-42) / (2205016*2/8) ≈ 4.8140816(秒)。 這樣就比較精確了。

wave格式解析

WAV文件遵循RIFF規(guī)則，其內(nèi)容以區(qū)塊（chunk）為最小單位進(jìn)行存儲(chǔ)。

WAV文件一般由3個(gè)區(qū)塊組成：RIFF chunk、Format chunk和Data chunk。另外，文件中還可能包含一些可選的區(qū)塊，如：Fact chunk、Cue points chunk、Playlist chunk、Associated data list chunk等，主要用于存儲(chǔ)作者，轉(zhuǎn)接類(lèi)的附加信息。

這里我們只看最基礎(chǔ)的RIFF chunk、Format chunk和Data chunk。

常見(jiàn)的wave文件的格式圖示

RIFF區(qū)塊

以'RIFF'為標(biāo)識(shí)

Size是整個(gè)文件的長(zhǎng)度減去ID和Size的長(zhǎng)度，也就是自己后面的長(zhǎng)度。

Type是WAVE表示后面需要兩個(gè)子塊：Format區(qū)塊和Data區(qū)塊

FORMAT區(qū)塊

以'fmt '為標(biāo)識(shí)

Size表示該區(qū)塊數(shù)據(jù)的長(zhǎng)度（不包含ID和Size的長(zhǎng)度）

AudioFormat表示Data區(qū)塊存儲(chǔ)的音頻數(shù)據(jù)的格式，PCM音頻數(shù)據(jù)的值為1

NumChannels表示音頻數(shù)據(jù)的聲道數(shù)，1：?jiǎn)温暤溃?：雙聲道

SampleRate表示音頻數(shù)據(jù)的采樣率

ByteRate每秒數(shù)據(jù)字節(jié)數(shù) = SampleRate * NumChannels * BitsPerSample / 8

BlockAlign每個(gè)采樣所需的字節(jié)數(shù) = NumChannels * BitsPerSample / 8

BitsPerSample每個(gè)采樣存儲(chǔ)的bit數(shù)，8：8bit，16：16bit，32：32bit

DATA區(qū)塊

以'data'為標(biāo)識(shí)

Size表示音頻數(shù)據(jù)的長(zhǎng)度，N = ByteRate * seconds

Data音頻數(shù)據(jù)

對(duì)于Data塊，根據(jù)聲道數(shù)和采樣率的不同情況，為了方便播放，每個(gè)采樣值連續(xù)放置，如果是8bit單聲道，就一個(gè)字節(jié)一個(gè)字節(jié)排隊(duì)。如果是16bit單聲道，那就兩個(gè)字節(jié)兩個(gè)字節(jié)的排隊(duì)。

如果是雙聲道，那就先放左聲道的采樣值，再放右聲道的采樣值，這樣成對(duì)成對(duì)的排隊(duì)。

下面我們看一個(gè)具體的例子，聲音文件如下：

單片機(jī)中播放

如果要在單片機(jī)中播放wav文件，有兩種做法，一種是直接將wav文件存儲(chǔ)到Flash中，我們?cè)诓シ畔鄳?yīng)的文件時(shí)，從相應(yīng)起始地址讀取前面的12個(gè)字節(jié)，判斷是否是RIFF文件，格式為WAVE，同時(shí)取出文件長(zhǎng)度。接下來(lái)就是搜索fmt塊來(lái)解析通道數(shù)，采樣頻率，采樣深度信息。

最后搜索到data塊，按照f(shuō)mt提供的信息，把data數(shù)據(jù)推流到DAC中。

當(dāng)然，還有一種更簡(jiǎn)單的方式，那就是我們使用上位機(jī)解析wav文件，采用固定的采樣頻率和采樣深度，單獨(dú)取出data數(shù)據(jù)寫(xiě)入到flash中。這樣只需要提供音頻的起始地址和結(jié)束地址就可以直接播放了。

當(dāng)然，還有一種更簡(jiǎn)單的方式，那就是我們使用上位機(jī)解析wav文件，采用固定的采樣頻率和采樣深度，單獨(dú)取出data數(shù)據(jù)寫(xiě)入到flash中。這樣只需要提供音頻的起始地址和結(jié)束地址就可以直接播放了。