PCM音频文件(.wav)压缩成ADPCM(.wav) ,wav文件分析,wav 文件格式

时间:2021-10-20 15:14:42

本文来自:

http://blog.csdn.net/jtlyr/article/details/5321884


这里还有介绍一些wav文件的其他网站,记录下:

https://ccrma.stanford.edu/courses/422/projects/WaveFormat/

http://blog.csdn.net/zhihu008/article/details/7854529


PCM音频文件压缩成adpcm格式的文件有多中方法(如使用ms ACM、sox等),本文主要介绍使用公开的算法(如下所示,如果需要可到网上搜一下:

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

** Intel/DVI ADPCM coder/decoder.
**
** The algorithm for this coder was taken from the IMA Compatability Project
** proceedings, Vol 2, Number 2; May 1992.
**
** Version 1.2, 18-Dec-92.

=======================================)进行PCM到ADPCM转换的方法。

 

首先,要了解一下PCM格式和ADPCM格式的.wav文件的构成,可参考:

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

1.PCM格式的wav文件的内部结构

PCM音频文件(.wav)压缩成ADPCM(.wav) ,wav文件分析,wav 文件格式

2.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:

typedef struct

{

WORD wFormatag;  //编码格式,包括WAVE_FORMAT_PCM,//WAVEFORMAT_ADPCM等

WORD  nChannls;       //声道数,单声道为1,双声道为2;

DWORD nSamplesPerSec;//采样频率;

DWORD nAvgBytesperSec;//每秒的数据量;

WORD  nBlockAlign;//块对齐;

WORD  wBitsPerSample;//WAVE文件的采样大小;

WORD  sbSize;        //PCM中忽略此值

}WAVEFORMATEX;


PCM的结构就是这个基本结构;


IMAADPCMWAVEFORMAT结构定义如下:

Typedef struct

{

    WAVEFORMATEX wfmt;

    WORD nSamplesPerBlock;

}IMAADPCMWAVEFORMAT;


IMA-ADPCM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。


3.“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:

typedef struct{

    char[4];          //“fact”字符串

       DWORD chunksize;

       DWORD datafactsize;    //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!


4.“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)。这些数据可能是压缩的,也可能是没有压缩的。

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))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。

 

IMA-ADPCM是压缩格式,它是从PCM的16位采样压缩成4位的。对于单声道的IMA-ADPCM来说,它是将PCM的数据按时间次序依次压缩并写入文件中的,每个byte中含两个采样,低四位对应第一个采样,高四位对应第二个采样。而对于双声道的IMA-ADPCM来说,它的存储相对就麻烦一些了,它是将PCM的左声道的前8个采样依次压缩并写入到一个DWORD中,然后写入“data”chunk里。紧接着是右声道的前8个采样。以此循环,当采样数不足8时(到数据尾端),应该把多出来的采样用0填充。

在IMA-ADPCM中,“data”chuck中的数据是以block形式来组织的,我把它叫做“段”,也就是说在进行压缩时,并不是依次把所有的数据进行压缩保存,而是分段进行的,这样有一个十分重要的好处:那就是在只需要文件中的某一段信息时,可以在解压缩时可以只解所需数据所在的段就行了,没有必要再从文件开始起一个一个地解压缩。这对于处理大文件将有相当的优势。同时,这样也可以保证声音效果。

Block一般是由block header (block头) 和 data 两者组成的。其中block header是一个结构,它在单声道下的定义如下:

Typedef struct

{

    short  sample0;    //block中第一个采样值(未压缩)

    BYTE  index;     //上一个block最后一个index,第一个block的index=0;

    BYTE  reserved;   //尚未使用

}MonoBlockHeader;

有了blockheader的信息后,就可以不需要知道这个block前面和后面的数据而轻松地解出本block中的压缩数据。对于双声道,它的blockheader应该包含两个MonoBlockHeader其定义如下:

typedaf struct

{

    MonoBlockHeader leftbher;

    MonoBlockHeader rightbher;

}StereoBlockHeader;

在解压缩时,左右声道是分开处理的,所以必须有两个MonoBlockHeader;

 

以上内容参考http://blog.csdn.net/kindyb/archive/2005/10/13/503024.aspx,对此表示感谢。

==========================华丽的分割线=========================================

接下来,就是要实现从PCM到ADPCM的转换了。(以8KHz,16Bits,单声道为例)

 

 定义结构:

#define ADPCM_BLOCKSIZE 252  //256 - 4;

typedef unsigned long  ULONG;
typedef unsigned short USHORT;
typedef unsigned char  BYTE;

typedef struct {
 long           chunkid;
 long           chunksize;
 long     wave_id;
} RIFFCHUNK;

typedef struct tagDATA
{
 long ID;
 unsigned long Size;
}DATA;

typedef struct
{
 long          chunkid;
 unsigned long  chunksize;
 unsigned long  timelength;
} FACTCHUNK;

typedef struct tagWaveFormat{
 //long chunkSize;
 short          wFormatTag;
 unsigned short wChannels;
 unsigned long  dwSamplesPerSec;
 unsigned long  awAvgBytesPerSec;
 unsigned short wBlockAlign;
 unsigned short wBitsPerSample;
 unsigned short cbsize;

 int  headerSize ;
    long dataLength ;
} WAVEFMT;

typedef struct
{
 RIFFCHUNK      riff;
 long          chunkid;
 unsigned long  chunksize;
 USHORT wformattag; /* format type */
 USHORT nchannels; /* number of channels (i.e. mono, stereo...) */
 ULONG nsamplespersec; /* sample rate */
 ULONG navgbytespersec; /* for buffer estimation */
 USHORT nblockalign; /* block size of data */
 USHORT wbitspersample; /* number of bits per sample of mono data */
 USHORT cbsize; /* the count in bytes of the extra size */
 USHORT wsamplesperblock;
 
 FACTCHUNK fact;
 DATA   data;
}INTELADPCM_HEADER;

关键部分代码:

void adpcmEncoder()
{
    FILE *inFile, *outFile;

 

    inFile = fopen("c://input.wav", "rb");
    if (!inFile)
    {
        printf("can't open the input file.");
        return -2;
    }

     WAVEFMT waveFmt;
     if(!checkWaveFileHeaderFormat(inFile, &waveFmt)) {
        printf("input file's format is wrong.");
        return -1;
     }


     outFile = fopen("c://output.wav", "wb+");
     if (!outFile)
     {
        printf("can't open the output file.");
        return -2;
     }


     setAdpcmHeader(outFile, waveFmt.dataLength);

     int len;
     short inData[ADPCM_BLOCKSIZE * 2];
     BYTE outData[ADPCM_BLOCKSIZE];
     adpcm_state state;
     state.index = 0;
     state.valprev = 0;
     long samples = waveFmt.dataLength;
     while (samples > 0)
    {
       /* Read two frames worth of samples */
       len = fread(inData, (size_t )1, sizeof (inData), inFile);
       if (len <= 0)
       {
         perror("error reading input");
         exit(1);
       }
       samples -= len;
       if (len < sizeof (inData))
       {
           printf("memset. /n");
           memset((char *)inData + len, 0, sizeof (inData) - len);
    }
    fwrite(&state, 4, 1, outFile);
    len = adpcm_coder(inData, outData, len / 2, &state);
    writeFile(outFile, outData, len);// 此处高低位要互换
    }
    fclose(inFile);
    fclose(outFile);

    return 0;
}

 

void setAdpcmHeader( FILE *outFile, ULONG dataSize)
{
 ULONG   flen = 0;
 INTELADPCM_HEADER   adpcmhead;
 
 adpcmhead.riff.chunkid = WAV_ID_RIFF;//4BYTE
 adpcmhead.riff.wave_id = WAV_ID_WAVE;//4BYTE
 adpcmhead.chunkid = WAV_ID_FMT;//4BYTE
 adpcmhead.chunksize = 0x14;//2BYTE
 adpcmhead.wformattag = 0x11;//2BYTE
 adpcmhead.nchannels = 1;//2BYTE
 adpcmhead.nsamplespersec = 8000;//4BYTE
 adpcmhead.navgbytespersec = 4055;// = nsamplespersec / wsamplesperblock  *nblockalign, 可调,我用4064效果更好
 adpcmhead.nblockalign = 0x100;//2BYTE
 adpcmhead.wbitspersample = 4;//2BYTE  
 adpcmhead.cbsize = 2;//2BYTE
 adpcmhead.wsamplesperblock = 505;// 为什么是这个数?没搞明白
 
 adpcmhead.fact.chunkid = WAV_ID_FACT;
 adpcmhead.fact.chunksize = 4;
 adpcmhead.data.ID = WAV_ID_DATA;
 
 int adpcmDataSize = (dataSize / (ADPCM_BLOCKSIZE * 4)) * (ADPCM_BLOCKSIZE + 4); //blockcount * 256

 

 // 判断最后的一个block是否是1008(252*4)byte,如果不是,按实际大小设置

 int lastBlockSize = dataSize % (ADPCM_BLOCKSIZE * 4);
 if(lastBlockSize > 0)
 {
  adpcmDataSize += lastBlockSize / 4 + 4(sizeof(state));
 }
 adpcmhead.riff.chunksize = adpcmDataSize + sizeof(INTELADPCM_HEADER) - 8 ;
 adpcmhead.fact.timelength = dataSize / 2;
 adpcmhead.data.Size = adpcmDataSize;
 
 fwrite( &adpcmhead, sizeof(adpcmhead), 1, outFile);
}