音頻處理 (一) 音頻文件

音頻文件

   音頻文件是對聲音進行數字轉換之後存放的數據文件，瞭解音頻數據必須先知道幾個重要概念。

1. 採樣：對聲音信息錄入時，行進的最小操作單位，一般一次採樣具有左右2個聲道，每個聲道用1或2個位元組來存儲；

這樣採樣的量化位數是8位，或16位(樣本位寬)，量化位數越高聲音音質越好；就像11位電話號碼表示的號碼比7位要多得多；

2. 採樣頻率：每秒採樣次數，單位Hz，一般的音頻文件有11.025kHz、22.05kHz、44.10kHz等；顯然，這種模-數信息的轉換，每秒採樣次數越多，聲音就越精確；

3. 碼率：每秒編碼的bit數，單位是kb/s；計算方式：位寬×聲道數×採樣頻率；(單位是bit不是位元組)

4. 聲道數，固定值為1-單聲道，或者2-雙聲道，雙聲道時，每個採樣樣本中包含左聲道、右聲道的音頻數據，因此兩者的數據是交錯排列的；

 （一）Wave 格式

    WAVE是微軟開發的聲音文件格式，用於保存Windows平臺的音頻信息資源，文件尾碼名*.wav；支持多種壓縮演算法、多種音頻位數、採樣頻率和聲道；

    標準的wav文件採用44.1kHz採樣頻率，16位量化位數，聲音文件質量幾與CD相當；Wave格式不對源數據做任何處理，如果源數據是無損的，編碼後的Wav文件也是無損的；如果源數據是有損的，編碼後的Wav文件也是有損的；

1. Wave文件的構成：

2. Wave文件的詳細結構：

// RIFF 標準媒體流文件頭
struct Riff_Header
{
  char szRiffId[4];                 // 'R','I','F','F'
    DWORD dwRiffSize;            // Size, 除了這 8 個位元組之外,文件剩餘大小，等於文件總位元組數-8
    char szRiffFormat[4];          // 'W','A','V','E'
};

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

    WORD wFormatTag;       // 編碼方式，一般為 0x0001
    WORD wChannels;                     // 聲道數 1--單聲道 2--雙聲道
    DWORD dwSamplesPerSec;      // 採樣頻率 /Hz
    DWORD dwAvgBytesPerSec;    // 每秒位元組數
    WORD wBlockAlign;                 // 數據塊對齊單位(每個採樣需要的位元組數)
    WORD wBitsPerSample;           // 每個採樣需要的 bit
 // WORD wBits;        // 可能有可能沒有，由dwFmtSize欄位決定
};

//Fact_Block 塊，有些 wav 文件中沒有
struct Fact_Block
{
   char szFactId[4];                 // 'f','a','c','t'
        DWORD dwFactSize;           //
};

//數據塊
struct Data_Block
{
   char szDataId[4];                //'d','a,','t','a'
       DWORD dwDataSize;          // 音頻數據大小
   //data ...
};

 說明：

1. RIFF塊裡面的 dwRiffSize 表示的是整個文件除開頭8個位元組之外的大小，0x24 0xCD 0x01 0x00，即 118,052 Byte，通過文件屬性查得文件大小是118,060Byte;

2. dwFmtSize 為 0x10 0x00 0x00 0x00，即為16；fmt塊的剩餘部分是一個波形信息結構，是微軟定義的：

/*
 *  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;

3. Data塊：dwDataSize表示音頻數據的大小，0x00 0x01 0xCD 0x00，即118,016，略小於118,052，說明文件末有部分無效數據；

 (二) MP3格式

     MP3格式（待續 ...）