多媒体原理与系统设计第3章：音频数据处理程序设计

多媒体原理与系统设计第三章音频数据处理程序设计音频数据格式分析音频程序设计接口音频回放功能实现音频转码程序设计一、音频数据格式分析波形音频文件格式波形音频文件的概念：波形音频文件是存储数字音频样本（samples）序列的格式文件，这些样本直接记录了音频的波形，故称波形音频文件。波形音频文件为音频数据处理提供了最基本的数据源。MIDI音频和各类压缩格式的音频文件最终都要转换成波形音频才能应用。WAVE波形音频文件整体结构：

WAVE文件是使用最广泛的声波音频文件，它遵从RIFF（ResourceInterchangeFileFormat）格式标准。WAVE文件的头四个字节是“RIFF”。WAVE文件由若干个块（Chunk）组成。按照在文件中出现的先后顺序，一般有四个块，即RIFFWAVE

Chunk,FormatChunk,FactChunk(可选),DataChunk。如下图所示。------------------------------------------------RIFFWAVEChunkID=‘RIFF’

RiffType=‘WAVE’

------------------------------------------------

FormatChunk

ID=‘fmt’

------------------------------------------------

FactChunk(optional)

ID=‘fact’

------------------------------------------------DataChunk

ID=‘data’

------------------------------------------------WAVE波形音频文件整体结构：-----------------------------------|

ID|4Bytes|‘RIFF’|-----------------------------------|

Size|4Bytes|

|-----------------------------------|

Type|4Bytes|'WAVE'|-----------------------------------以‘RIFF’作为标示，然后紧跟着的为size字段，该size是整个wav文件大小减去ID和Size所占用的字节数，即FileLen-8=Size。然后是Type字段，为‘WAVE’，表示是wav文件。RIFFWAVEChunk：RIFFWAVEChunk结构定义：structRIFF_HEADER{

charszRiffID[4];//'R','I','F','F'

DWORDdwRiffSize;

charszRiffFormat[4];//'W','A','V','E'};FormatChunk：------------------------------------|ID|4Bytes|'fmt'------------------------------------|Size|4Bytes|数值为16或18，18则最后又附加信息------------------------------------|FormatTag|2Bytes|编码方式，一般为0x0001，PCM------------------------------------|Channels|2Bytes|声道数目，1--单声道；2--双声道------------------------------------|SamplesPerSec|4Bytes|采样频率------------------------------------|AvgBytesPerSec|4Bytes|每秒所需字节数------------------------------------|BlockAlign|2Bytes|数据块对齐单位（每个采样需要的字节数）

------------------------------------|BitsPerSample|2Bytes|每个采样需要的bit数------------------------------------|&n|2Bytes|附加信息（可选，通过Size来判断有无）------------------------------------structWAVE_FORMAT{

WORDwFormatTag;

WORDwChannels;

DWORDdwSamplesPerSec;

DWORDdwAvgBytesPerSec;

WORDwBlockAlign;

WORDwBitsPerSample;};structFMT_BLOCK{

charszFmtID[4];//'f','m','t',''

DWORDdwFmtSize;

WAVE_FORMATwavFormat;};FormatChunk结构定义：-----------------------------------|

ID|4Bytes|‘fact’|-----------------------------------|

Size|4Bytes|

|-----------------------------------|

Data|4Bytes||-----------------------------------FactChunk是可选字段，一般当wav文件由某些软件转化而成时，则包含该Chunk。FACTChunk：-----------------------------------|

ID|4Bytes|‘data’|-----------------------------------|

Size|4Bytes|

|-----------------------------------|

Data|||-----------------------------------DataChunk是真正保存wav数据的地方，以‘data’作为该Chunk的标示。然后是数据的大小。紧接着就是wav数据。根据FormatChunk中的声道数、采样bit数，wav数据的bit格式可以分成以下几种形式：DataChunk：单声道8bit量化采样1声道0采样2声道0声道0声道0采样3采样4双声道8bit量化采样1采样2声道0声道1声道0声道1单声道16bit量化采样1采样2声道0声道0声道0声道0双声道16bit量化采样1声道0声道0声道1声道1单声道、每样本8Bits情形（singlechannel,8Bitspersample）：Channel0Channel0Channel0...Sample1Sample2Sample3双声道、每样本8Bits情形（doublechannels,8Bitspersample）：Channel0Channel1Channel0...Sample1Sample2Channel1Sample1Sample2单声道、每样本16Bits情形（singlechannel,16Bitspersample）：Channel0Channel0Channel0...Sample1Sample2Channel0双声道、每样本16Bits情形（doublechannels,16Bitspersample）：Channel0Channel0Channel1Sample1Sample1Channel1Channel0Channel0Channel1Sample2Sample2Channel1二、音频回放与编程接口Windows环境下，应用程序有多种音频数据回放方法：方法1：使用PlaySound函数PlaySound(L“music.wav",NULL,SND_ASYNC|SND_NOSTOP);方法2：使用MCI（MultimediaControlInterface）函数WORDm_wDeviceID;//打开音频设备MCI_OPEN_PARMSOpenParms;OpenParms.lpstrDeviceType="waveaudio";OpenParms.lpstrElementName="HelloWin.wav";if(mciSendCommand(0,MCI_OPEN,MCI_OPEN_ELEMENT|MCI_OPEN_TYPE,(DWORD)(LPVOID)&OpenParms))return0;m_wDeviceID=OpenParms.wDeviceID;//播放MCI_PLAY_PARMSPlayParms;mciSendCommand(m_wDeviceID,MCI_PLAY,MCI_NOTIFY,(DWORD)(LPVOID)&PlayParms);方法3：基于DirectShow开发包的应用程序Why------TheChallengeofMultimedia：Workingwithmultimediapresentsseveralmajorchallenges:Multimediastreamscontainlargeamountsofdata,whichmustbeprocessedveryquickly.Audioandvideomustbesynchronizedsothatitstartsandstopsatthesametime,andplaysatthesamerate.Datacancomefrommanysources,includinglocalfiles,computernetworks,televisionbroadcasts,andvideocameras.Datacomesinavarietyofformats,suchasAudio-VideoInterleaved(AVI),AdvancedStreamingFormat(ASF),MotionPictureExpertsGroup(MPEG),andDigitalVideo(DV).Theprogrammerdoesnotknowinadvancewhathardwaredeviceswillbepresentontheend-user'ssystem.DirectShowisdesignedtoaddresseachofthesechallenges.ItsmaindesigngoalistosimplifythetaskofcreatingdigitalmediaapplicationsontheWindowsplatform,byisolatingapplicationsfromthecomplexitiesofdatatransports,hardwaredifferences,andsynchronization.DirectShowArchitecture方法4：基于MediaFoundation开发包的应用程序

MicrosoftMediaFoundationisthenextgenerationmultimediaplatformforWindowsthatenablesdevelopers,consumers,andcontentproviderstoembracethenewwaveofpremiumcontentwithenhancedrobustness,unparalleledquality,andseamlessinteroperability.MediaFoundationrequiresWindowsVistaorlater.Itusesthecomponentobjectmodel(COM)andrequ