音频编码（PCM,ADPCM，WAVE文件）

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;}

#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*/

#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");}

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

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