WAVE 文件格式分析
WAVE 文件作为多媒体中使用的声音波形文件格式之一，它是以RIFF（Resource Interchange File Format）格式为标准的。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后文。
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 文件除了前面一小段文件头对数据组织进行说明之外，Data 块就是声音的原始采样数据，WAVE 文件虽然可以压缩，但一般都使用不压缩的格式。44.1KHz 采样率、16Bit的分辨率、双声道，所以WAVE可以保存音质要求非常高的声音文件，CD 采用的也是这种格式，声音方面的专家或是音乐发烧友们应该非常熟悉。但这种文件的体积也非常大，以 44.1KHz 16bit 双声道的数据为例，一分钟的声音数据量为：4100*2byte*2channel*60s/1024/1024=10.09M 。所以不合适在网上传送。
下面我们具体地分析 WAVE 文件的格式
| endian | field name | Size | |
| big | ChunkID | 4 | 文件头标识，一般就是" RIFF" 四个字母 |
| little | ChunkSize | 4 | 整个数据文件的大小，不包括上面ID和Size本身 |
| big | Format | 4 | 一般就是" WAVE" 四个字母 |
| big | SubChunk1ID | 4 | 格式说明块，本字段一般就是"fmt " |
| little | SubChunk1Size | 4 | 本数据块的大小，不包括ID和Size字段本身 |
| little | AudioFormat | 2 | 音频的格式说明 |
| little | NumChannels | 2 | 声道数 |
| little | SampleRate | 4 | 采样率 |
| little | ByteRate | 4 | 比特率，每秒所需要的字节数 |
| little | BlockAlign | 2 | 数据块对齐单元 |
| little | BitsPerSample | 2 | 采样时模数转换的分辨率 |
| big | SubChunk2ID | 4 | 真正的声音数据块，本字段一般是"data" |
| little | SubChunk2Size | 4 | 本数据块的大小，不包括ID和Size字段本身 |
| little | Data | N | 音频的采样数据 |
以下是对各个字段的详细解说：
| ChunkID | 4bytes | ASCII 码表示的“RIFF”。（0x52494646） |
| ChunkSize | 4bytes | 36+SubChunk2Size，或是 4 + ( 8 + SubChunk1Size ) + ( 8 + SubChunk2Size )， 这是整个数据块的大小（不包括ChunkID和ChunkSize的大小） |
| Format | 4bytes | ASCII 码表示的“WAVE”。（0x57415645） |
| SubChunk1ID | 新的数据块（格式信息说明块） ASCII 码表示的“fmt ”——最后是一个空格。（0x666d7420） | |
| SubChunk1Size | 4bytes | 本块数据的大小（对于PCM，值为16）。 |
| AudioFormat | 2bytes | PCM = 1 （比如，线性采样），如果是其它值的话，则可能是一些压缩形式 |
| NumChannels | 2bytes | 1 => 单声道 | 2 => 双声道 |
| SampleRate | 4bytes | 采样率，如 8000，44100 等值 |
| ByteRate | 4bytes | 等于： SampleRate * numChannels * BitsPerSample / 8 |
| BlockAlign | 2bytes | 等于：NumChannels * BitsPerSample / 8 |
| BitsPerSample | 2bytes | 采样分辨率，也就是每个样本用几位来表示，一般是 8bits 或是 16bits |
| SubChunk2ID | 4bytes | 新数据块，真正的声音数据 ASCII 码表示的“data ”——最后是一个空格。（0x64617461） |
| SubChunk2Size | 4bytes | 数据大小，即，其后跟着的采样数据的大小。 |
| Data | N bytes | 真正的声音数据 |
对于Data块，根据声道数和采样率的不同情况，布局如下（每列代表8bits）：
1. 8 Bit 单声道：
| 采样1 | 采样2 |
| 数据1 | 数据2 |
2. 8 Bit 双声道
| 采样1 | 采样2 | ||
| 声道1数据1 | 声道2数据1 | 声道1数据2 | 声道2数据2 |
1. 16 Bit 单声道：
| 采样1 | 采样2 | ||
| 数据1低字节 | 数据1高字节 | 数据1低字节 | 数据1高字节 |
2. 16 Bit 双声道
| 采样1 | |||
| 声道1数据1低字节 | 声道1数据1高字节 | 声道2数据1低字节 | 声道2数据1高字节 |
| 采样2 | |||
| 声道1数据2低字节 | 声道1数据2高字节 | 声道2数据2低字节 | 声道2数据2高字节 |
下面我们看一个具体的例子，声音文件如下：
52 49 46 46 24 08 00 00 57 41 56 45 66 6d 74 20 10 00 00 00 01 00 02 00 22 56 00 00 88 58 01 00 04 00 10 00 64 61 74 61 00 08 00 00 00 00 00 00 24 17 1e f3 3c 13 3c 14 16 f9 18 f9 34 e7 23 a6 3c f2 24 f2 11 ce 1a 0d
本文参考了：
- http://www.diybl.com/course/3_program/game/200798/70450.html
- https://ccrma.stanford.edu/courses/422/projects/WaveFormat/
