音频编码(PCM,ADPCM,WAVE文件) | 您所在的位置:网站首页 › ambe编码格式 › 音频编码(PCM,ADPCM,WAVE文件) |
ADPCM文件解码详解
一、搞了几天终于搞定这个ADPCM解码了,之前找了很多的资料,大致描述的都是千篇一律,但是基本上都没有说到细节上,让我也走了不少弯路,其实主要在细节,网上给的算法是正确的,但是直接运用根本就不行,噪音很大。这一点让我一直很头疼,最后还是看了英文资料,才得到解答,还是老外的原始资料好。 二、给个英文参考网址吧 http://www.moon-soft.com/program/FORMAT/windows/wavec.htm https://ccrma.stanford.edu/courses/422/projects/WaveFormat/ 这两个讲的很详细,请仔细阅读!通过阅读我发现细节在与adpcm格式的wav文件的block的特点,每一个block包含header和data两部分, 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 关键是我们要抓住每一个block的header里面的信息,即sample0,运算的时候注意运用! 三、还是给个代码吧,多的也不说了! 1、adpcm.c文件代码 #include"adpcm.h" /* Intel ADPCM step variation table */staticintindexTable[16]={ -1,-1,-1,-1,2,4,6,8, -1,-1,-1,-1,2,4,6,8,}; staticintstepsizeTable[89]={ 7,8,9,10,11,12,13,14,16,17, 19,21,23,25,28,31,34,37,41,45, 50,55,60,66,73,80,88,97,107,118, 130,143,157,173,190,209,230,253,279,307, 337,371,408,449,494,544,598,658,724,796, 876,963,1060,1166,1282,1411,1552,1707,1878,2066, 2272,2499,2749,3024,3327,3660,4026,4428,4871,5358, 5894,6484,7132,7845,8630,9493,10442,11487,12635,13899, 15289,16818,18500,20350,22385,24623,27086,29794,32767}; voidadpcm_decoder(char*inbuff,char*outbuff,intlen_of_in,structadpcm_state *state ){ int i=0,j=0; chartmp_data; structadpcm_state *tmp_state =state; longstep;/* Quantizer step size */ signedlongpredsample;/* Output of ADPCM predictor */ signedlongdiffq;/* Dequantized predicted difference */ intindex;/* Index into step size table */ intSamp; unsignedcharSampH,SampL; unsignedcharinCode; /* Restore previous values of predicted sample and quantizer step size index */ predsample =state->valprev; index =state->index; for(i=0;i>4; else inCode=tmp_data &0x0f; step =stepsizeTable[index]; /* Inverse quantize the ADPCM code into a predicted difference using the quantizer step size */ diffq =step >>3; if(inCode &4) diffq +=step; if(inCode &2) diffq +=step >>1; if(inCode &1) diffq +=step >>2; /* Fixed predictor computes new predicted sample by adding the old predicted sample to predicted difference */ if(inCode &8) predsample -=diffq; else predsample +=diffq; /* Check for overflow of the new predicted sample */ if(predsample >32767) predsample =32767; elseif(predsample =0) { SampH=Samp/256; SampL=Samp-256*SampH; } else { Samp=32768+Samp; SampH=Samp/256; SampL=Samp-256*SampH; SampH+=0x80; } outbuff[j++]=SampL; outbuff[j++]=SampH; } /* Save the predicted sample and quantizer step size index for next iteration */ state->valprev =(short)predsample; state->index =(char)index;} 2、adpcm.h文件代码#ifndefADPCM_H#defineADPCM_H #ifdef__cplusplusextern"C"{#endif struct adpcm_state { short valprev; /* Previous output value */ char index; /* Index into stepsize table */}; voidadpcm_decoder(char*inbuff,char*outbuff,intlen_of_in,structadpcm_state *state );#ifdef__cplusplus} /* extern "C" */#endif #endif/* ADPCM_H*/ 3、main.c文件代码#include"stdio.h"#include "stdlib.h"#include "adpcm.h" #defineCFG_BlkSize 256 charch[CFG_BlkSize]; //用来存储wav文件的头信息charsavedata[CFG_BlkSize*4];
unsignedcharRiffHeader[]={ 'R','I','F','F',// Chunk ID (RIFF) 0x70,0x70,0x70,0x70,// Chunk payload size (calculate after rec!) 'W','A','V','E',// RIFF resource format type 'f','m','t',' ',// Chunk ID (fmt ) 0x10,0x00,0x00,0x00,// Chunk payload size (0x14 = 20 bytes) 0x01,0x00, // Format Tag () 0x01,0x00, // Channels (1) 0x40,0x1f,0x00,0x00,// Sample Rate, = 16.0kHz 0x80,0x3e,0x00,0x00,// Byte rate 32.0K 0x02,0x00, // BlockAlign == NumChannels * BitsPerSample/8 0x10,0x00 // BitsPerSample }; unsignedcharRIFFHeader504[]={ 'd','a','t','a',// Chunk ID (data) 0x70,0x70,0x70,0x70 // Chunk payload size (calculate after rec!)}; /****************************************************************函数名称: main功能描述: 输入参数: none输出参数: none****************************************************************/voidmain(void){ FILE *fpi,*fpo; unsignedlongiLen,temp; structadpcm_state ADPCMstate; unsignedlongi =0; unsignedlongj; fpi=fopen("f:\\lk\\test.adpcm","rb"); //为读,打开一个wav文件 if((fpi=fopen("f:\\lk\\test.adpcm","rb"))==NULL) //若打开文件失败,退出 { printf("can't open this file\n"); printf("\nread error!\n"); printf("\n%d\n",i); exit(0); } fseek(fpi,0,SEEK_END); iLen=ftell(fpi); printf("\n======================================================\n"); printf("\n========================%d========================\n",iLen); printf("\n======================================================\n"); if((iLen-44)%CFG_BlkSize) iLen =(iLen-44)/CFG_BlkSize+1; else iLen =(iLen-44)/CFG_BlkSize;
fpo=fopen("f:\\lk\\new.pcm","rb+"); //为写,打开一个wav文件 if((fpo=fopen("f:\\lk\\new.pcm","rb+"))==NULL) //若打开文件失败,退出 { printf("can't open this file\n"); printf("\nwrite error!\n"); exit(0); } fseek(fpo,0,SEEK_SET); fwrite(RiffHeader,sizeof(RiffHeader),1,fpo); //写文件riff fwrite(RIFFHeader504,sizeof(RIFFHeader504),1,fpo); //写 data块头 while(i8); RiffHeader[6]=(unsignedchar)(((40+temp)&0x00ff0000)>>16); RiffHeader[7]=(unsignedchar)(((40+temp)&0xff000000)>>24); fseek(fpo,4,SEEK_SET); fwrite(&RiffHeader[4],4,1,fpo); RiffHeader[40]=(unsignedchar)(temp&0x000000ff); RiffHeader[41]=(unsignedchar)((temp&0x0000ff00)>>8); RiffHeader[42]=(unsignedchar)((temp&0x00ff0000)>>16); RiffHeader[43]=(unsignedchar)((temp&0xff000000)>>24); fseek(fpo,40,SEEK_SET); fwrite(&RiffHeader[40],4,1,fpo); fclose(fpi); fclose(fpo); printf("\n==========================OK!=========================\n");} 四、以上是给出的代码,绝对管用,读者在实验时候请在vc++6.0环境下建立工程,实验时候请在f:\\lk\\下放置一个adpcm格式的文件和一个空的pcm格式文件,当然了这个pcm和adpcm其实都是wav格式的,试验者可以随意命名格式,我为了区分才这样命名后缀的,希望我总结的能够读者带来帮助,谢谢您的阅读!
PCM数据格式
1. 音频简介 经常见到这样的描述: 44100HZ 16bit stereo 或者 22050HZ 8bit mono 等等. 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); 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; 当然也可以有 16bit 的单声道或 8bit 的立体声, 等等。 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(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. 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 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: 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 ADPCM WAVE文件的压缩与解压缩一、概述: 本文叙述了如何通过IMA-ADPCM压缩和解压缩算法来完成从IMA-ADPCM文件转换为PCM文件的过程。主要包括的内容有:PCM和IMA-ADPCM WAVE文件内部结构的介绍,IMA-ADPCM压缩与解压缩算法,以及如何生成特有的音频压缩格式文件等三方面的内容。 二、WAVE文件的认识 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文件有很多不同的压缩格式,而且现在一些程序生成的wave文件都或多或少地含有一些错误。这些错误的产生不是因为单个数据压缩和解压缩算法的问题,而是因为在压缩和解压缩后没有正确地组织好文件的内部结构。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。 1.Wave文件的内部结构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: 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”,再以它为起来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。从表2中可以看出它的结构:
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。 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。如图所示: 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。其示意图如下: 特别注意: 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; 注1:上述的index是解压缩算法中必须用到的一个参数。详见后面。 注2: 关于block的大小,通常会有以下几种情况: 对于单声道,大小一般为512byte,显然这里面可以保存的sample个数为(512-sizeof(MonoBlockHeader))/4 + 1 = 1017个32767) OutputSamp(32767); else if (cur_sample |
CopyRight 2018-2019 实验室设备网 版权所有 |