威尼斯手机平台登陆-官方网站登录

威尼斯手机平台登陆为您带来世界三大博彩公司最新相关资讯,威尼斯官方网站登录充分考虑到不同地域网民的不同需求,威尼斯手机平台登陆良好的用户界面,人性化的操作,实用的功能设计使其广泛受到欢迎,推动实体出版、影视、动漫、游戏等相关文化产业的发展。

您的位置:威尼斯手机平台登陆 > 威尼斯在线注册平台 > 采样数据用 8 位(1字节)记录,付费投稿计划

采样数据用 8 位(1字节)记录,付费投稿计划

发布时间:2020-03-04 19:11编辑:威尼斯在线注册平台浏览(195)

    本文由码农网 – 风满楼原创翻译,转载请看清文末的转载要求,欢迎参与我们的付费投稿计划!

    1. 音频简介

    RIFF file format

    RIFF全称为资源互换文件格式(Resources Interchange File Format),是Windows下大部分多媒体文件遵循的一种文件结构。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格式存储的数据有(包含有:):

    (文件格式和数据格式是两码事情)

    • 音频视频交错格式数据 .AVI
    • 波形格式数据 .WAV
    • 位图数据格式 .RDI
    • MIDI格式数据 .RMI
    • 调色板格式 .PAL
    • 多媒体电影 .RMN
    • 动画光标 .ANI
    • 其他的RIFF文件 .BND

    介绍

    我最近遇到一个基于输入文本生成摩斯代码音频文件的需求。几番搜索无果之后,我决定自己编写一个生成器。

    下载源代码 – 2.63 KB

    图片 1

    因为我希望通过web的方式访问我的摩斯代码音频文件,所以我决定采用PHP作为我主要的编程语言。上面的截图显示了一个开始生成莫斯代码的网页。在下载的zip文件中,包含了用于提交文本的网页以及用于生成和展现音频文件的PHP源文件。如果你想测试PHP代码,你需要将网页和相关的PHP文件复制到启用了PHP的服务器上。

    对于许多人来说,莫斯代码就像一些老电影中表现的那样,就是一些“点”和“横线”的序列,或者一连串的哔哔声。显然,如果你想用计算机代码来生成莫斯代码,这样的了解是远远不够的。这篇文章将会介绍生成莫斯代码的要素,如何生成WAVE 格式的音频文件,以及如何用PHP将莫斯代码转化成音频文件。

     

    CHUNK

    chunk是RIFF文件的基本单元,其基本结构如下:

    struct chunk
    {
        uint32_t id;   // 块标志
        uint32_t size; // 块大小
        uint8_t data[size]; // 块数据
    };
    
    • id 4字节,用以标识块中所包含的数据。如:RIFF,LIST,fmt,data,WAV,AVI等,由于这种文件结构 最初是由Microsoft和IBM为PC机所定义,RIFF文件是按照小端 little-endian字节顺序写入的。
    • size 块大小 存储在data域中的数据长度,包含id和size的大小
    • data 包含数据,数据以为单位存放,如果数据长度为奇数(字节为单位),则最后添加一个空字节

    chunk是可以嵌套的,但是只有块标志为RIFF或者LIST的chunk能包含其他的chunk

    莫斯代码

    莫斯代码是一种文本编码方式。它的优点是编码方便,而且用人耳就能够方便的解码。本质上,是通过音频(或者无线电频)的开和关,从而形成或短或长的音频脉冲,一般称作点(dot)和线(dash),或者用无线电术语称作“嘀”和“嗒”。用现代数字通信术语,莫斯代码是一种振幅键控(amplitude shift keying ,ASK)。

    在莫斯代码中,字符(字母,数字,标点符号和特殊符号)被编码成一个“嘀”和“嗒”的序列。所以为了把文本转化成莫斯代码,我们首先要确定如何来表示“嘀”和“嗒”。一个很显然的选择就是,用0表示“嘀”,用1表示“嗒”,或者反过来。不幸的是,莫斯代码采用的是可变长编码方案。所以我们也必须要使用一种可变长序列,或者采取一种方式,把数据打包成一种计算机内存通用的固定位宽(fixed bit-size)的格式。另外,需要特别注意的是,莫斯代码并不区分字母大小写,而且对一些特殊符号无法编码。在我们这个实现中,未定义的字符和符号将会被忽略。

    在这个项目中,内存占用并不是一个需要特别考虑的问题。所以,我们提出一个简单的编码方案,即用“0”来表示每个“嘀”,用“1”来表示每个“嗒”,并且把他们放在一个字符串关联数组中。定义莫斯代码编码表的PHP代码就像下面这样:

    $CWCODE = array ('A'=>'01','B'=>'1000','C'=>'1010','D'=>'100','E'=>'0',
         'F'=>'0010','G'=>'110','H'=>'0000','I'=>'00','J'=>'0111',
         'K'=>'101','L'=>'0100','M'=>'11','N'=>'10', 'O'=>'111',
         'P'=>'0110','Q'=>'1101','R'=>'010','S'=>'000','T'=>'1',
         'U'=>'001','V'=>'0001','W'=>'011','X'=>'1001','Y'=>'1011',
         'Z'=>'1100', '0'=>'11111','1'=>'01111','2'=>'00111',
         '3'=>'00011','4'=>'00001','5'=>'00000','6'=>'10000',
         '7'=>'11000','8'=>'11100','9'=>'11110','.'=>'010101',
         ','=>'110011','/'=>'10010','-'=>'10001','~'=>'01010',
         '?'=>'001100','@'=>'00101');
    

    需要注意的是,如果你特别在意内存占用的话,上面的代码可以解释为位(bit)。给每个代码增加一个开始位,就可以形成一个位的模式,每个字符就可以用一个字节来储存。同时,当解析最终编码的时候,要删除开始位左边的位(bit),从而获得真正的变长编码。

    尽管许多人没有意识到,事实上“时间间隔”是定义莫斯代码的主要因素,所以理解这一点是生成莫斯代码的关键。所以,我们要做的第一件事,就是定义莫斯代码的内部码(即“嘀”和“嗒”)的时间间隔。为了方便起见,我们定义一个“嘀”的声音长度为一个时间单位dt,“嘀”和“嗒”之间的间隔也是一个时间单位dt;定义一个“嗒”的长度为3个dt,字符(letters)之间的间隔也是3个dt;定义单词(words)之间的间隔是7个dt。所以,总结起来,我们的时间间隔表就像下面这样:

    项目

    时间长度

    dt

    “嘀”/“嗒”之间的间隔

    dt

    “嗒”

    3*dt

    字符之间的间隔

    3*dt

    单词之间的间隔

    7*dt

    在莫斯代码中,编码声音的“播放速度”通常用 单词数/分钟(WPM) 来表示。由于英文单词有不同的长度,而且字符也有不同数量的“嘀”和“嗒”,所以,从WPM转化成(音频)数字采样并不是看上去那样简单。在一份被国际组织采用的方案中,采用5个字符作为单词的平均长度,同时,一个数字或标点符号被当做2个字符。这样,平均一个单词就是50个时间单位dt。这样,如果你指定了WPM,那么我们总的播放时间就是 50 * WPM的时间单位/分钟,每个“嘀”(即一个时间单位dt)的长度等于1.2/WPM秒。这样,给出一个“嘀”的时间长度,其他元素的时间长度很容易就能够计算出来。

    你可能已经注意到,在上面显示的网页中,对于低于15WPM的选项,我们使用了“Farnsworth spacing”。那么这个“Farnsworth spacing”又是个什么鬼?

    当报务员学习用耳朵来解码莫斯代码的时候,他就会意识到,当播放速度变化的时候,字符出现的节奏也会跟着变化。当播放速度低于10WPM的时候,他能够从容的识别“嘀”和“嗒”,并且知道发送的哪个字符。但是当播放速度超过10WPM的时候,报务员的识别就会出错,他识别出来的字符会多于实际的“嘀”和“嗒”。当一个学习的时候习惯低速莫斯代码的人,在处理高速播放代码的时候,就会出现问题。因为节奏变了,他潜意识的识别就会出错。

    为了解决这个问题,“Farnsworth spacing”就被发明出来了。本质上来讲,字母和符号的播放速度依然采取高于15WPM的速度,同时,通过在字符之间插入更多的空格,来使整体的播放速度降低。这样,报务员就能够以一个合理的速度和节奏来识别每个字符,一旦所有的字符都学习完毕,就可以增加速度,而接收员只需要加快识别字符的速度就可以了。本质上来说,“Farnsworth spacing”这个技巧解决了节奏变化这个问题,使接收员能够快速学习。

    所以,在整个系统中,对于更低的播放速度,都统一成15WPM。相对应的,一个“嘀”的长度是0.08秒,但是字符之间和单词之间的间隔就不再是3个dit或者7个dit,而是进行的调整以适应整体速度。

    经常见到这样的描述: 44100HZ 16bit stereo 或者 22050HZ 8bit mono 等等.

    RIFF chunk

    标志为RIFF的chunk是比较特殊的,每一个RIFF文件首先存放的必须是一个RIFF chunk,并且只能有这一个标志为RIFF的chunk。RIFF的数据域的起始位置是一个4字节码(FOURCC),用于标识其数据域中chunk的数据类型;紧接着数据域的内容则是包含的subchunk,如下图
    图片 2
    这是一个RIFF chunk中包含有两个subchunk,可以看出RIFF chunk的数据域首先是是4字节的 Form Type,接着是两个subchunk,每一个subchun有包含有自己的标识、数据域的大小以及数据域。
    除了RIFF cunk可以嵌套其他的chunk外,另一个可以有subchunk的就是LIST chunk
    图片 3
    上图中,首先是RIFF文件必须的RIFF chunk,其数据域又包含有两个subchunk,其中一个subchunk的类型为LIST,该LIST chunk又包含了两个subchunk。

    (list chunk 是否可以做首)

    生成声音

    在PHP代码中,一个字符(即前面数组的索引)代表一组由“嘀”、“嗒”和空白间隔组成的莫斯声音。我们用数字采样来组成音频序列,并且将其写入到文件中,同时加上适当的头信息来将其定义成WAVE格式。

    生成声音的代码其实相当简单,你可以在项目中PHP文件中找到它们。我发现定义一个“数字振荡器”相当方便。每调用一次osc(),它就会返回一个从正玄波产生的定时采样。运用声音采样和声频规范,生成WAVE格式的音频已经足够了。在产生的正玄波中的-1到+1之间是被移动和调整过的,这样声音的字节数据可以用0到255来表示,同时128表示零振幅。

    同时,在生成声音方面我们还要考虑另外一个问题。一般来讲,我们是通过正玄波的开关来生成莫斯代码。但是你直接这样来做的话,就会发现你生成的信号会占用非常大的带宽。所以,通常无线电设备会对其加以修正,以减少带宽占用。

    在我们的项目中,也会做这样的修正,只不过是用数字的方式。既然我们已经知道了一个最小声音样本“嘀”的时间长度,那么,可以证明,最小带宽的声幅发生在长度等于“嘀”的正玄波半周期。事实上,我们使用低通滤波器(low pass filter)来过滤音频信号也能达到同样的效果。不过,既然我们已经知道所有的信号字符,我们直接简单的过滤一下每一个字符信号就可以了。

    生成“嘀”、“嗒”和空白信号的PHP代码就像下面这样:

    while ($dt < $DitTime) {
      $x = Osc();
      if ($dt < (0.5*$DitTime)) {
        // Generate the rising part of a dit and dah up to half the dit-time
        $x = $x*sin((M_PI/2.0)*$dt/(0.5*$DitTime));
        $ditstr .= chr(floor(120*$x+128));
        $dahstr .= chr(floor(120*$x+128));
        }
      else if ($dt > (0.5*$DitTime)) {
        // For a dah, the second part of the dit-time is constant amplitude
        $dahstr .= chr(floor(120*$x+128));
        // For a dit, the second half decays with a sine shape
        $x = $x*sin((M_PI/2.0)*($DitTime-$dt)/(0.5*$DitTime));
        $ditstr .= chr(floor(120*$x+128));
        }
      else {
        $ditstr .= chr(floor(120*$x+128));
        $dahstr .= chr(floor(120*$x+128));
        }
      // a space has an amplitude of 0 shifted to 128
      $spcstr .= chr(128);
      $dt += $sampleDT;
      }
    // At this point the dit sound has been generated
    // For another dit-time unit the dah sound has a constant amplitude
    $dt = 0;
    while ($dt < $DitTime) {
      $x = Osc();
      $dahstr .= chr(floor(120*$x+128));
      $dt += $sampleDT;
      }
    // Finally during the 3rd dit-time, the dah sound must be completed
    // and decay during the final half dit-time
    $dt = 0;
    while ($dt < $DitTime) {
      $x = Osc();
      if ($dt > (0.5*$DitTime)) {
        $x = $x*sin((M_PI/2.0)*($DitTime-$dt)/(0.5*$DitTime));
        $dahstr .= chr(floor(120*$x+128));
        }
      else {
        $dahstr .= chr(floor(120*$x+128));
        }
      $dt += $sampleDT;
      }
    

    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);

    FourCC

    FourCC 全称为Four-Character Codes,是一个4字节32位的标识符,通常用来标识文件的数据格式。例如,在音视频播放器中,可以通过 文件的FourCC来决定调用那种CODEC进行视音频的码。例如:DIV3,DIV4,DIVX,H264等,对于音频则有:WAV,MP3等。对于上面的RIFF文件,则有:RIFF,WAVE,fmt,data等。FourCC是4个ASCII字符,不足四个字符的则在最后补充空格(不是空字符)。比如,FourCC fmt,实际上是'f' 'm' 't' ' '。
    FourCC的生成通常可以使用如下宏:

    #define MAKE_FOURCC(a,b,c,d) 
    ( ((uint32_t)d) | ( ((uint32_t)c) << 8 ) | ( ((uint32_t)b) << 16 ) | ( ((uint32_t)a) << 24 ) )
    

    在程序 中还是不要使用太长的宏为好,在C++中可以使用模板和enum结合的方式。来保证在编译时期就能够将FourCC生成出来。

    #define FOURCC uint32_t 
    template <char ch0, char ch1, char ch2, char ch3> struct MakeFOURCC{ enum { value = (ch0 << 0) + (ch1 << 8) + (ch2 << 16) + (ch3 << 24) }; };
    FOURCC fourcc_fmt = MakeFOURCC<'f', 'm', 't', ' '>::value;
    

    将字符常量传入模板,在结构体中声明一个enum,编译器会在编译时期确定枚举值,这样就能给保证FOURCC在编译就能生成出来。

    WAVE格式的文件

    WAVE是一种通用的音频格式。从最简单的形式来看,WAVE文件通过在头部包含一个整数序列来表示指定采样率的音频振幅。关于WAVE文件的详细信息请查看这里Audio File Format Specifications website。对于产生莫斯代码,我们并不需要用到WAVE格式的所有参数选项,仅仅需要一个8位的单声道就可以了,所以,so easy。需要注意的是,多字节数据需要采用低位优先(little-endian)的字节顺序。WAVE文件使用一种由叫做“块(chunks)”的记录组成的RIFF格式。

    WAVE文件由一个ASCII标识符RIFF开始,紧跟着一个4字节的“块”,然后是一个包含ASCII字符WAVE的头信息,最后是定义格式的数据和声音数据。

    在我们的程序中,第一个“块”包含了一个格式说明符,它由ASCII字符fmt和一个4倍字节的“块”。在这里,由于我使用的是普通脉冲编码调制(plain vanilla PCM)格式,所以每个“块”都是16字节。然后,我们还需要这些数据:声道数、声音采样/秒、平均字节/秒、一个区块(block)对齐指示器、位(bit)/声音采样。另外,由于我们不需要高质量立体声,我们只采用单声道,我们使用 11050采样/秒(标准的CD质量音频的采样率是 44200采样/秒)的采样率来生成声音,并且用8位(bit)保存。

    最后,真实的音频数据储存在接下来的“块”中。其中包含ASCII字符data,一个4字节的“块”,最后是由字节序列(因为我们采用的是8位(bit)/采样)组成的真实音频数据。

    在程序中,由8位音频振幅序列组成的声音保存在变量$soundstr中。一旦音频数据生成完毕,就可以计算出所有的“块”大小,然后就可以把它们合并在一起写入磁盘文件中。下面的代码展示了如何生成头信息和音频“块”。需要注意的是,$riffstr表示RIFF头,$fmtstr表示“块”格式,$soundstr表示音频数据“块”。

    $riffstr = 'RIFF'.$NSizeStr.'WAVE';
    $x = SAMPLERATE;
    $SampRateStr = '';
    for ($i=0; $i<4; $i++) {
      $SampRateStr .= chr($x % 256);
      $x = floor($x/256);
      }
    $fmtstr = 'fmt '.chr(16).chr(0).chr(0).chr(0).chr(1).chr(0).chr(1).chr(0)
              .$SampRateStr.$SampRateStr.chr(1).chr(0).chr(8).chr(0);
    $x = $n;
    $NSampStr = '';
    for ($i=0; $i<4; $i++) {
      $NSampStr .= chr($x % 256);
      $x = floor($x/256);
      }
    $soundstr = 'data'.$NSampStr.$soundstr;
    

    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;

    WAV file

    WAV 是Microsoft开发的一种音频文件格式,它符合上面提到的RIFF文件格式标准,可以看作是RIFF文件的一个具体实例。既然WAV符合RIFF规范,其基本的组成单元也是chunk。一个WAV文件通常有三个chunk以及一个可选chunk,其在文件中的排列方式依次是:RIFF chunk,Format chunk,Fact chunk(附加块,可选),Data chunk
    图片 4

    一个WAV文件,首先是一个RIFF chunk;RIFF chunk又包含有Format chunk,Data chunk以及可选的Fact chunk。各个chunk中字段的意义如下:

    • RIFF chunk
      • id
        FOURCC 值为'R' 'I' 'F' 'F'
      • size
        其data字段中数据的大小 字节数
      • data
        包含其他的chunk
    • Format chunk
      • id
        FOURCC 值为 'f' 'm' 't' ' '
      • size
        数据字段包含数据的大小。如无扩展块,则值为16;有扩展块,则值为= 16 + 2字节扩展块长度 + 扩展块长度或者值为18(只有扩展块的长度为2字节,值为0)
      • data
        存放音频格式、声道数、采样率等信息
        • format_tag
          2字节,表示音频数据的格式。如值为1,表示使用PCM格式。
        • channels
          2字节,声道数。值为1则为单声道,为2则是双声道。
        • samples_per_sec
          采样率,主要有22.05KHz,44.1kHz和48KHz。
        • bytes_per sec
          音频的码率,每秒播放的字节数。samples_per_sec * channels * bits_per_sample / 8,可以估算出使用缓冲区的大小
        • block_align
          数据块对齐单位,一次采样的大小,值为声道数 * 量化位数 / 8,在播放时需要一次处理多个该值大小的字节数据。
        • bits_per_sample
          音频sample的量化位数,有16位,24位和32位等。
        • cbSize
          扩展区的长度
        • 扩展块内容
          22字节,具体介绍,后面补充。
    • Fact chunk(option)
      • id
        FOURCC 值为 'f' 'a' 'c' 't'
      • size
        数据域的长度,4(最小值为4)
      • 采样总数 4字节
    • Data chunk
      • id
        FOURCC 值为'd' 'a' 't' 'a'
      • size
        数据域的长度
      • data
        具体的音频数据存放在这里

    采用压缩编码的WAV文件,必须要有Fact chunk,该块中只有一个数据,为每个声道的采样总数

    总结和评论

    我们的文本莫斯代码生成器目前看起来还不错。当然,我们还可以对它做很多的修改和完善,比如使用其他字符集、直接从文件中读取文本、生成压缩音频等等。因为我们这个项目的目的是使其能够在网络上方便的使用,所以我们这个简单的方案,已经达到我们的目的了。

    当然,一如既往的,希望大家对这些简单粗暴的代码提出建议。这些年来虽然一直有人在教我,但我还是缺乏莫斯代码相关背景知识,所以,如果出现任何的错误或遗漏都算是我的错。

     

    Format chunk 中的编码方式

    在Format chunk中,除了有音频的数据的采样率、声道等音频的属性外,另一个比较主要的字段就是format_tag,该字段表示音频数据是以何种方式编码存放的。其具体的取值可以为以下:

    • 0x0001
      WAVE_FORMAT_PCM,采用PCM格式
    • 0x0003
      WAVE_FORMAT_IEEE_FLOAT,存放的值为IEEE float,范围为[-1.0f,1.0f]
    • 0x0006
      WAVE_FORMAT_ALAW , 8bit ITU-T G.711 A-law
    • 0x0007
      WAVE_FORMAT_MULAW,8bit ITU-T G.711 μμ-law
    • 0XFFFE
      WAVE_FORMAT_EXTENSIBLE,具体的编码方式有扩展区的 sub_format字段决定

    当然也可以有 16bit 的单声道或 8bit 的立体声, 等等。

    关于扩展格式块

    当WAV文件使用的不是PCM编码方式是,就需要扩展格式块,它是在基本的Format chunk又添加一段数据。该数据的前两个字节,表示的扩展块的长度。紧接其后的是扩展的数据区,含有扩展的格式信息,其具体的长度取决于压缩编码的类型。当某种编码方式(如 ITU G.711 a-law)使扩展区的长度为0,扩展区的长度字段还必须保留,只是其值设置为0。
    扩展区的各个字节的含义如下:

    • size 2字节
      扩展区的数据长度 ,可以为0或22
    • valid_bits_per_sample 2字节
      有效的采样位数,最大值为采样字节数 * 8。可以使用更灵活的量化位数,通常音频sample的量化位数为8的倍数,但是使用了WAVE_FORMAT_EXTENSIBLE时,量化的位数有扩展区中的valid bits per sample来描述,可以小于Format chunk中制定的bits per sample
    • channle mask 4字节
      声道掩码
    • sub format 16字节
      GUID,include the data format code,数据格式码。

    在Format chunk中的format_tag置为0xFFFE时,表示使用扩展区中的sub_format来决定音频的数据的编码方式。在以下几种情况下必须要使用WAVE_FORMAT_EXTENSIBLE

    • PCM数据的量化位数大于16
    • 音频的采样声道大于2
    • 实际的量化位数不是8的倍数
    • 存储顺序和播放顺序不一致,需要指定从声道顺序到声卡播放顺序的映射情况

     

    Data chunk

    Data块中存放的是音频的采样数据。每个sample按照采样的时间顺序写入,对于使用多个字节的sample,使用小端模式存放(低位字节存放在低地址,高位字节存放在高地址)。对于多声道的sample采用交叉存放的方式。例如:立体双声道的sample存储顺序为:声道1的第一个sample,声道2的第一个sample;声道1的第二个sample,声道2的第二个sample;依次类推....。对于PCM数据,有以下两种的存储方式:

    • 单声道,量化位数为8,使用偏移二进制码
    • 除上面之外的,使用补码方式存储。

    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。

    总结

    本文主要介绍了RIFF文件的格式和WAV音频文件格式,为后面实现对WAVE文件的读写打一个理论基础。后面打算使用C++标准库,实现对WAV文件的读写。

     

    原文:

     

    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的采样对人耳已经没有意义。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(也就是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(也就是16bit) 可以细到 65536 个数, 这已是 CD 标准了;

    4 字节(也就是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), 采样就是双份的, 文件也差不多要大一倍.

     

    这样我们就可以根据一个 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), 换算成字节单位就是 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, 
    所以就有:(424644-42) / (22050*16*2/8) ≈ 4.8140816(秒). 这样就比较精确了.

     

    关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文件的内部结构是成功完成压缩和解压缩的基础,也是生成特有音频压缩格式文件的前提。

     

    最基本的WAVE文件是PCM(脉冲编码调制)格式的,这种文件直接存储采样的声音数据没有经过任何的压缩,是声卡直接支持的数据格式,要让声卡正确播放其它被压缩的声音数据,就应该先把压缩的数据解压缩成PCM格式,然后再让声卡来播放。

     

    2.2 Wave文件的内部结构

     

    注:由于WAV格式源自Windows/Intel环境,因而采用Little-Endian字节顺序进行存储。

     

    WAVE文件是以RIFF(Resource Interchange File Format, "资源交互文件格式")格式来组织内部结构的。

     

    RIFF文件结构可以看作是树状结构,其基本构成是称为"块"(Chunk)的单元,最顶端是一个“RIFF”块,下面的每个块有“类型块标识(可选)”、“标志符”、“数据大小”及“数据”等项所组成。块的结构如表1所示:

    名称

    Size

    备注

    块标志符

    4

    4个小写字符(如 "fmt ", "fact", "data" 等)

    数据大小

    4

    DWORD类型,表示后接数据的大小(N Bytes)

    数据

    N

    本块中正式数据部分

    表1:基本chunk的内部结构

     

    上面说到的“类型块标识”只在部分chunk中用到,如 "WAVE" chunk中,这时表示下面嵌套有别的chunk。

     

    当使用了 "类型块标识" 时,该chunk就没有别的项(如块标志符,数据大小等),它只作为文件读取时的一个标识。先找到这个“类型块标识”,再以它为起点读取它下面嵌套的其它chunk。

     

    每个文件最前端写入的是RIFF块,每个文件只有一个RIFF块。从 Wave文件格式详细说明 中可以看到这一点。

    非PCM格式的文件会至少多加入一个 "fact" 块,它用来记录数据(注意是数据而不是文件)解压缩后的大小。这个 "fact" 块一般加在 "data" 块的前面。

     

    WAVE文件是由若干个Chunk组成的。按照在文件中的出现位置包括:RIFF WAVE Chunk, Format Chunk, Fact Chunk(可选), Data Chunk。具体见下图:

        -------------------------------------------

        |          RIFF WAVE Chunk                |

        |          ID   = "RIFF"                  |

        |          RiffType = "WAVE"              |

        -------------------------------------------

        |          Format Chunk                   |

        |          ID = "fmt "                    |

        -------------------------------------------

        |          Fact Chunk(optional)           |

        |          ID = "fact"                    |

        -------------------------------------------

        |          Data Chunk                     |

        |          ID = "data"                    |

        -------------------------------------------

              图 Wav格式包含Chunk示例

     

     

                Fact Chunk

        =======================================

        |      |所占字节数|      具体内容       |

        =======================================

        |  ID  | 4Bytes |      "fact"         |

        ---------------------------------------

        | Size | 4Bytes |        4            |

        ---------------------------------------

        | data | 4Bytes |解压后的音频数据的大小(B)|

        ---------------------------------------

             图   Fact Chunk

     

     

    2.3 Wave文件格式详细说明

     

    别名               字节数    类型       注释

    ckid                4       char      "RIFF" 标志, 大写

    cksize              4       int32     文件长度。这个长度不包括"RIFF"标志 和

                                              文件长度 本身所占字节, 下面的

                                              子块大小也是这样。

      fcc type          4       char      "WAVE" 类型块标识, 大写。

        ckid            4       char      表示"fmt" chunk的开始。此块中包括文

                                              件内部格式信息。小写, 最后一个

                                              字符是空格。

        cksize          4       int32     文件内部格式信息数据的大小。

          FormatTag     2       int16     音频数据的编码方式。1 表示是 PCM 编码

          Channels      2       int16     声道数,单声道为1,双声道为2

          SamplesPerSec 4       int32     采样率(每秒样本数), 比如 44100 等

          BytesPerSec   4       int32     音频数据传送速率, 单位是字节。其值为

                                              采样率×每次采样大小。播放软件

                                              利用此值可以估计缓冲区的大小。

          BlockAlign    2       int16     每次采样的大小 = 采样精度*声道数/8(单

                                              位是字节); 这也是字节对齐的最

                                              小单位, 譬如 16bit 立体声在这

                                              里的值是 4 字节。播放软件需要

                                              一次处理多个该值大小的字节数

                                              据,以便将其值用于缓冲区的调整。

          BitsPerSample 2       int16     每个声道的采样精度; 譬如 16bit 在这

                                              里的值就是16。如果有多个声道,则

                                              每个声道的采样精度大小都一样的。

          [cbsize]      2       int16     [可选]附加数据的大小。

          [...]         x     

      [ckid]            4       char      "fact".

     

      [cksize]          4       int32     "fact" chunk data size.

      [fact data]       4       int32     解压后的音频数据的大小(Bytes).

     

      ckid              4       char      表示 "data" chunk的开始。此块中包含

                                              音频数据。小写。

      cksize            4       int32     音频数据的长度

        ......                            文件声音信息数据(真正声音存储部分)

      [......]                            其它 chunk

     

     

    2.4 Windows平台上WAVEFORMAT结构的认识

     

    PCM和非PCM的主要区别是声音数据的组织不同,这些区别可以通过两者的WAVEFORMAT结构来区分。

    下面以PCM和IMA-ADPCM来进行对比。

     

    WAVE的基本结构 WAVEFORMATEX 结构定义如下:

    图片 5

     1 typedef struct
     2 {
     3     WORD  wFormatag; //编码格式,包括WAVE_FORMAT_PCM,WAVEFORMAT_ADPCM等
     4     WORD  nChannls; //声道数,单声道为1,双声道为2;
     5  
     6     DWORD  nSamplesPerSec; //采样频率;
     7  
     8     DWORD  nAvgBytesperSec;  //每秒的数据量;
     9  
    10     WORD  nBlockAlign; //块对齐;
    11  
    12     WORD  wBitsPerSample; //WAVE文件的采样大小;
    13  
    14     WORD  cbSize; // The count in bytes of the size of extra
    15 // information(after cbSize). PCM中忽略此值
    16  } WAVEFORMATEX;
    

    图片 6

     

    IMAADPCMWAVEFORMAT结构定义如下:

      

    图片 7

    1 Typedef struct
    2 {
    3     WAVEFORMATEX  wfmt;
    4 
    5     WORD  nSamplesPerBlock;
    6    
    7 } IMAADPCMWAVEFORMAT;
    

    图片 8

     

    IMA-ADPCM中的的wfmt->cbsize不能忽略,一般取值为2,表示此类型的WAVEFORMAT比一般的WAVEFORMAT多出2个字节。这两个字符也就是nSamplesPerBlock。

     

    "fact" chunk的内部组织

    在非PCM格式的文件中,一般会在WAVEFORMAT结构后面加入一个 "fact" chunk, 结构如下:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    typedef struct{
     
        char[4]; //“fact”字符串
     
        DWORD chunksize;
     
        DWORD datafactsize; // 音频数据转换为PCM格式后的大小。
     
    } factchunk;

     

    datafactsize是这个chunk中最重要的数据,如果这是某种压缩格式的声音文件,那么从这里就可以知道他解压缩后的大小。对于解压时的计算会有很大的好处!

     

    2.5 "data" chunk的内部组织

     

    从 "data" chunk的第9个字节开始,存储的就是声音信息的数据了,(前八个字节存储的是标志符 "data" 和后接数据大小size(DWORD)。这些数据可以是压缩的,也可以是没有压缩的。

     

    3. PCM数据格式

     

    PCM(Pulse Code Modulation)也被称为 脉码编码调制。PCM中的声音数据没有被压缩,如果是单声道的文件,采样数据按时间的先后顺序依次存入。(它的基本组织单位是BYTE(8bit)或WORD(16bit))

     

    一般情况下,一帧PCM是由2048次采样组成的( 参考 http://discussion.forum.nokia.com/forum/showthread.php?129458-请问PCM格式的音频流,每次读入或输出的块的大小是必须固定为4096B么&s=e79e9dd1707157281e3725a163844c49 )。

     

    如果是双声道的文件,采样数据按时间先后顺序交叉地存入。如图所示:

    图片 9 

     

    PCM的每个样本值包含在一个整数i中,i的长度为容纳指定样本长度所需的最小字节数。

    首先存储低有效字节,表示样本幅度的位放在i的高有效位上,剩下的位置为0,这样8位和16位的PCM波形样本的数据格式如下所示。

     

        样本大小      数据格式            最小值    最大值

        8位PCM       unsigned int         0       225

        16位PCM      int                -32767    32767

     

     

    参考资料:

    [1]http://redsoft.ycool.com/post.2232742.html

    [2]http://dev.firnow.com/course/3_program/hb/hbxl/20100803/518348.html

    [3]http://hi.baidu.com/kindyb/blog/item/0a314f8859489c93a4c27297.html

    [4]http://hi.baidu.com/kindyb/blog/item/353f4813df8799055aaf5397.html

    [5]http://hi.baidu.com/kindyb/blog/item/2f31daa93f5ed4fb1e17a291.html

    [6]http://hi.baidu.com/bigbigant/blog/item/7b91aa01e46dd4021d958317.html

    本文由威尼斯手机平台登陆发布于威尼斯在线注册平台,转载请注明出处:采样数据用 8 位(1字节)记录,付费投稿计划

    关键词: