WAVE文件格式剖析

WAVE文件作为多媒体中使用的声波文件格式之一，它是以RIFF格式为标准的。
RIFF是英文Resource Interchange File Format的缩写，每个WAVE文件的头四个
字节便是“RIFF”。WAVE文件由文件头和数据体两大部分组成。其中文件头又分
为RIFF／WAV文件标识段和声音数据格式说明段两部分。WAVE文件各部分内容及
格式见附表。
　　常见的声音文件主要有两种，分别对应于单声道（11.025KHz采样率、8Bit
的采样值）和双声道（44.1KHz采样率、16Bit的采样值）。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。
　　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
位和低八位分别代表左右两个声道。
WAVE文件数据块包含以脉冲编码调制（PCM）格式表示的样本。WAVE文
件是由样本组织而成的。在单声道WAVE文件中，声道0代表左声道，声道1代表右
声道。在多声道WAVE文件中，样本是交替出现的。

　　WAVE文件格式说明表　　

　 偏移地址 字节数 数据类型 内 容
　
文件头
00H 4 char "RIFF"标志
04H 4 long int 文件长度
08H 4 char "WAVE"标志
0CH 4 char "fmt"标志
10H 4 　 过渡字节（不定）
14H 2 int 格式类别（10H为PCM形式的声音数据)
16H 2 int 通道数，单声道为1，双声道为2
18H 2 int 采样率（每秒样本数），表示每个通道的播放速度，
1CH 4 long int 波形音频数据传送速率，其值为通道数×每秒数据位数×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。
20H 2 int 数据块的调整数（按字节算的），其值为通道数×每样本的数据位
值／8。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。
22H 2 　 每样本的数据位数，表示每个声道中各个样本的数据位数。如果有多
个声道，对每个声道而言，样本大小都一样。
24H 4 char 数据标记符＂data＂
28H 4 long int 语音数据的长度

　　PCM数据的存放方式：

　 样本1 样本2
8位单声道 0声道 0声道
8位立体声 0声道（左） 1声道（右） 0声道（左） 1声道（右）
16位单声道 0声道低字节 0声道高字节 0声道低字节 0声道高字节
16位立体声 0声道（左）低字节 0声道（左）高字节 1声道（右）低字节 1声道（右）高字节

　WAVE文件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 最大值 最小值
8位PCM unsigned int 225 0
16位PCM int 32767

PCM脉码调制数字音频格式是70年代末发展起来的，记录媒体之一的CD，80年代初由飞利浦和索尼公司共同推出。PCM的音频格式也被DVD-A所采用，它支持立体声和5.1环绕声，1999年由DVD讨论会发布和推出的。

PCM的比特率，从14-bit发展到16-bit、18-bit、20-bit直到24-bit；采样频率从44.1kHz发展到192kHz。到目前为止PCM这项技术可以改善和提高的方面则越来越来小。只是简单的增加PCM比特率和采样率，不能根本的改善它的根本问题。其原因是PCM的主要问题在于： 1）任何PCM数字音频系统需要在其输入端设置急剧升降的滤波器，仅让20 Hz - 22.05 kHz的频率通过（高端22.05 kHz是由于CD 44.1 kHz的一半频率而确定），这是一项非常困难的任务。2）在录音时采用多级或者串联抽选的数字滤波器（减低采样率），在重放时采用多级的内插的数字滤波器（提高采样率），为了控制小信号在编码时的失真，两者又都需要加入重复定量噪声。这样就限制了PCM技术在音频还原时的保真度。

为了全面改善PCM 数字音频技术，获得更好的声音质量，就需要有新的技术来替换。近年来飞利浦和索尼公司再次联手，共同推出一种称为直接流数字编码技术DSD的格式, 其记录媒体为超级音频CD即SACD，支持立体声和5.1环绕声