常见音频格式的基础知识

PCM

脉冲编码调制（Pulse Code Modulation），是未经压缩的音频数据裸流，它由模拟信号经过采样、量化、编码转换成的数字音频数据。

PCM的文件/流中只有数据，需要参数来描述。描述PCM数据的6个参数：

• Sample Rate采样频率，8kHz(电话)，44.1kHz(CD)，48kHz(DVD)

• Sample Size量化位数，通常该值为16bit

• Number of Channels通道个数，常见有立体声和单声道

• Sign，表示样本数据是否有符合位

• Byte Ordering字节序，通常为little-endian

• Integer Or Floating Point整形或浮点型，大多数PCM样本使用整形，一些精度要求高的使用浮点型。

比较重要的参数有：采样频率、通（声）道数

数据格式

如果是单声道的音频文件，采样数据按时间的先后顺序依次存入，如果是双声道的就按照LRLRLR的方式存储，16bit的存储和字节序有关。

G711

G711是国际电信联盟ITU-T定制出来的一套语言压缩标准，它代表了对数PCM（pulse code modulation/脉冲编码调制）抽样标准。采样率一般为8KHz。

G.711 标准下主要有两种压缩算法，u-law，主要应用于北美和日本；a-law，主要应用于欧洲和其他地区：

• a-law：将一个13bit的pcm数据编码成一个8bit的pcm数据（PCMA）

• u-law：将一个14bit的pcm数据编码成一个8bit的pcm数据（PCMU）

G711主要应用于电话语言通信，因为人声最大频率在3.4kHz，所以8kHz的采样率可以保证还原原始的声音。

WAV文件

wav是一种无损的音频文件格式。所有的WAV都有一个文件头，包含了这个音频的编码参数。wav对音频流的编码没有硬性规定，除了PCM之外，还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码。

对PCM数据来说，加上wav文件头就变成了wav格式。

不同格式的数据，wav文件头的格式也略有不同，标准PCM数据的wav文件头是44字节，而ulaw或alaw的文件头会多一个区块，占58字节。

PCM数据对应的WAV文件头：

//WAVE文件一般有四种块，它们依次是：RIFF块、格式块、附加块（可选），数据块    
#pragma pack(1)    
typedef struct {        
    //RIFF块        
    uint8_t   riffID[4];     //RIFF标识
    uint32_t  fileSize;      //文件大小        
    uint8_t   fccType[4];    //WAVE标志        
    //fmt块        
    uint8_t   fmtID[4];        //fmt         
    uint32_t  ckLen;           //块大小  pcm-0x10;ulaw-0x12;alaw-0x12
    uint16_t  wFormatTag;      //音频格式 pcm-0x01;ulaw-0x07;alaw-0x06
    uint16_t  nChannels;       //采样声道数
    uint32_t  nSamplesPerSec;  //采样率
    uint32_t  nAvgBytesPerSec; //每秒字节数  采样率*采样精度/8(字节位数)
    uint16_t  cbSize;        
    uint32_t  bPerSample;      //每个采样位数，量化数(pcm为2byte)
    //fact块，压缩编码须有该块        
    uint8_t   factID[4]; //fact
    uint32_t  factSzie;  //4
    uint32_t  factData;
    //data块
    uint8_t   wdid[4];   //data 标志
    uint32_t  wdSize;    //块大小    
} WAVFILEHEADER;    
//0x3A(58)字节
//针对ulaw和alaw，未经压缩的原始pcm对应的wav文件头有所不同
#pragma pack()

ADTS

ADTS的全称是Audio Data Transport Stream，是AAC音频的一种传输流格式。

这种格式的特征是它是一个有同步字的比特流，解码可以在这个流中任何位置开始。也就是说它每一帧都有头信息，可以在任意位置开始解码。

AAC音频文件的每一帧由Header和Data组成，header长度为7字节或者9字节，一般为7字节，有CRC校验为9字节。

如下表：

//采样率列表
static unsigned const samplingFrequencyTable[16] = {   
    96000, 88200, 64000, 48000,   
    44100, 32000, 24000, 22050,   
    16000, 12000, 11025, 8000,   
    7350, 0, 0, 0    
};