G.711编码事例程序 WAV格式

 这是系列的第六部《G.711编码事例程序》，本系列的主要工作是实现一个基于JRTPLIB的，建立在RTP组播基础上的多媒体视频会议系统。这只是一个实验系统，用于学习JRTPLIB、RTP、和多媒体相关的编程，不是一个完善的软件工程。而且，我只会在业余的时间出于兴趣写一写。有志同道合的朋友可以通过这个邮箱或博客回复（推荐）和我交流。
      上一部《JRTPLIB@Conference DIY视频会议系统 五、PCM 和G.711编码相关》
      这一部我们来做个实验，就是把用windows录音机录下来的"PCM 8.000 kHz, 16 位, 单声道"WAV文件转换成为我们要用的8位8000Hz a-law格式PCM。要注意的是录音机默认的方式是PCM 44.100 kHz, 16 位, 立体声，我们不想去进行采样频率的更改，因为这个要进行插值，而且也没必要，因为我们写软件时采样频率我们是可以更改的。所以我们要先把录音另为"PCM 8.000 kHz, 16 位, 单声道"格式。

一、WAV格式
      虽然会议系统完成后我们能直接向声卡拿到PCM数据，但毕竟我们现在拿到手的是WAV文件，我们要识别这种格式的头文件。下面是一编转自其它网站的《WAV 格式详解》(有一定修改）
1、综述
    WAVE文件作为多媒体中使用的声波文件格式之一，它是以RIFF格式为标准的。RIFF是英文Resource Interchange File Format的缩写，每个WAVE文件的头四个字节便是“RIFF”。
    WAVE文件是由若干个Chunk组成的。按照在文件中的出现位置包括：RIFF WAVE Chunk, Format Chunk, Fact Chunk(可选), Data Chunk。具体见下图：

------------------------------------------------
|             RIFF WAVE Chunk                  |
|             ID  = 'RIFF'                     |
|             RiffType = 'WAVE'                |
------------------------------------------------
|             Format Chunk                     |
|             ID = 'fmt '                      |
------------------------------------------------
|             Fact Chunk(optional)             |
|             ID = 'fact'                      |
------------------------------------------------
|             Data Chunk                       |
|             ID = 'data'                      |
------------------------------------------------
            图1   Wav格式包含Chunk示例

    其中除了Fact Chunk外，其他三个Chunk是必须的。每个Chunk有各自的ID，位于Chunk最开始位置，作为标示，而且均为4个字节。并且紧跟在ID后面的是Chunk大小（去除ID和Size所占的字节数后剩下的其他字节数目），4个字节表示，低字节表示数值低位，高字节表示数值高位。下面具体介绍各个Chunk内容。
PS：
    所有数值表示均为低字节表示低位，高字节表示高位。

2、具体介绍
RIFF WAVE Chunk
    ==================================
    |       |所占字节数|  具体内容   |
    ==================================
    | ID    |  4 Bytes |   'RIFF'    |
    ----------------------------------
    | Size  |  4 Bytes |             |
    ----------------------------------
    | Type  |  4 Bytes |   'WAVE'    |
    ----------------------------------
            图2  RIFF WAVE Chunk

    以'FIFF'作为标示，然后紧跟着为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。

Format Chunk
    ====================================================================
    |               |   字节数  |              具体内容                |
    ====================================================================
    | ID            |  4 Bytes  |   'fmt '                             |
    --------------------------------------------------------------------
    | Size          |  4 Bytes  | 数值为16或18，18则最后又附加信息     |
    --------------------------------------------------------------------  ----
    | FormatTag     |  2 Bytes  | 编码方式，一般为0x0001               |     |
    --------------------------------------------------------------------     |
    | Channels      |  2 Bytes  | 声道数目，1--单声道；2--双声道       |     |
    --------------------------------------------------------------------     |
    | SamplesPerSec |  4 Bytes  | 采样频率                             |     |
    --------------------------------------------------------------------     |
    | AvgBytesPerSec|  4 Bytes  | 每秒所需字节数                       |     |===> WAVE_FORMAT
    --------------------------------------------------------------------     |
    | BlockAlign    |  2 Bytes  | 数据块对齐单位(每个采样需要的字节数) |     |
    --------------------------------------------------------------------     |
    | BitsPerSample |  2 Bytes  | 每个采样需要的bit数                  |     |
    --------------------------------------------------------------------     |
    |               |  2 Bytes  | 附加信息（可选，通过Size来判断有无） |     |
    --------------------------------------------------------------------  ----
                            图3  Format Chunk

    以'fmt '作为标示。一般情况下Size为16，此时最后附加信息没有；如果为18，则最后多了2个字节的附加信息。主要由一些软件制成的wav格式中含有该2个字节的附加信息。

Fact Chunk
    ==================================
    |       |所占字节数|  具体内容   |
    ==================================
    | ID    |  4 Bytes |   'fact'    |
    ----------------------------------
    | Size  |  4 Bytes |   数值为4   |
    ----------------------------------
    | data  |  4 Bytes |             |
    ----------------------------------
            图4  Fact Chunk

    Fact Chunk是可选字段，一般当wav文件由某些软件转化而成，则包含该Chunk。
 

Data Chunk
    ==================================
    |       |所占字节数|  具体内容   |
    ==================================
    | ID    |  4 Bytes |   'data'    |
    ----------------------------------
    | Size  |  4 Bytes |             |
    ----------------------------------
    | data  |          |             |
    ----------------------------------
             图5 Data Chunk

    Data Chunk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Format Chunk中的声道数以及采样bit数，wav数据的bit位置可以分成以下几种形式：
    ---------------------------------------------------------------------
    |   单声道  |    取样1    |    取样2    |    取样3    |    取样4    |
    |           |--------------------------------------------------------
    |  8bit量化 |    声道0    |    声道0    |    声道0    |    声道0    |
    ---------------------------------------------------------------------
    |   双声道  |          取样1            |           取样2           |
    |           |--------------------------------------------------------
    |  8bit量化 |  声道0(左)  |  声道1(右)  |  声道0(左)  |  声道1(右)  |
    ---------------------------------------------------------------------
    |           |          取样1            |           取样2           |
    |   单声道  |--------------------------------------------------------
    | 16bit量化 |    声道0    |  声道0      |    声道0    |  声道0      |
    |           | (低位字节)  | (高位字节)  | (低位字节)  | (高位字节)  |
    ---------------------------------------------------------------------
    |           |                         取样1                         |
    |   双声道  |--------------------------------------------------------
    | 16bit量化 |  声道0(左)  |  声道0(左)  |  声道1(右)  |  声道1(右)  |
    |           | (低位字节)  | (高位字节)  | (低位字节)  | (高位字节)  |
    ---------------------------------------------------------------------
                         图6 wav数据bit位置安排方式

3、小结
    因此，根据上述结构定义以及格式介绍，很容易编写相应的wav格式解析代码。这里具体的代码就不给出了。  

二、代码的实现 

      根据上面的格式规定，我们把它写成一头文件wav.h

 1#ifndef _WAV_H_
 2#define _WAV_H_
 3
 4#include "types.h"
 5
 6#pragma pack(1)
 7
 8struct RIFF_HEADER
 9{
10    U8        szRiffID[4];  // 'R','I','F','F'
11    U32        dwRiffSize;
12    U8        szRiffFormat[4]; // 'W','A','V','E'
13};
14
15struct WAVE_FORMAT
16{
17    U16        wFormatTag;
18    U16        wChannels;
19    U32        dwSamplesPerSec;
20    U32        dwAvgBytesPerSec;
21    U16        wBlockAlign;
22    U16        wBitsPerSample;
23    U16        pack;        //附加信息
24};
25struct FMT_BLOCK
26{
27    U8        szFmtID[4]; // 'f','m','t',' '
28    U32        dwFmtSize;
29    struct    WAVE_FORMAT wavFormat;
30};
31
32struct FACT_BLOCK
33{
34    U8        szFactID[4]; // 'f','a','c','t'
35    U32        dwFactSize;
36};
37
38struct DATA_BLOCK
39{
40    U8        szDataID[4]; // 'd','a','t','a'
41    U32        dwDataSize;
42};
43
44
45#endif

      因为这是个简单的程序，我没有去规划，相就的WAV解码过程我放到main.c的main函数里做了，这是不应该的，请原谅

  1/*******************************************************
  2*    这是配合我的博客《JRTPLIB@Conference DIY视频会议系统》
  3*    而写的一个阶段性实验。
  4*    作者：冯富秋 tinnal
  5*    邮箱：[e-mail]
  6*    博客：www.cnitblog.com/tinnal/
  7*    目期：2009-01-03
  8*    版本：1.00
  9*********************************************************/
 10
 11#include "stdio.h"
 12#include "string.h"
 13#include "types.h"
 14#include "g711.h"
 15#include "wav.h"
 16
 17struct RIFF_HEADER    riff_header;
 18struct FMT_BLOCK    fmt_block;
 19char   fack_block_buffer[20];        //20 should be enough
 20struct FACT_BLOCK    fact_block;
 21struct DATA_BLOCK    data_block;
 22
 23int main(int argc, char **argv)
 24{
 25    FILE *wav_in;
 26    FILE *wav_out;
 27    U32 i;
 28    U8    has_fact_block =0;
 29
 30    unsigned char pcm_bytes[2];
 31    short pcm;
 32    unsigned char a_law;    
 33
 34    long file_pos;
 35
 36    if(argc != 3 )
 37    {
 38        printf("Usage:\n\t%s  \n", argv[0]);
 39        exit(-1);
 40    }
 41
 42    wav_in = fopen(argv[1],"rb");
 43    if(wav_in == NULL)
 44    {
 45        printf("Can't open input file %s\n", argv[1]);
 46        return (-1);
 47    }
 48
 49    wav_out = fopen(argv[2], "wb");
 50    if( wav_out == NULL)
 51    {
 52        printf("Can't open output file %s\n",argv[2]);
 53        fclose(wav_in);
 54        return(-1);
 55    }
 56    
 57    file_pos = ftell(wav_in);
 58
 59    //Read RIFF_HEADER
 60    fread(&riff_header, sizeof(struct RIFF_HEADER), 1, wav_in);
 61    if(    memcmp(riff_header.szRiffID, "RIFF", 4) != 0 ||
 62        memcmp(riff_header.szRiffFormat, "WAVE", 4) != 0 )
 63    {
 64        printf("No a vaild wave file!\n");
 65        fclose(wav_in);
 66        fclose(wav_out);
 67        return(-1);
 68    }
 69    file_pos = ftell(wav_in);
 70
 71    //Read FMT_BLOCK
 72    fread(&fmt_block, sizeof(struct FMT_BLOCK), 1, wav_in);
 73    if(    memcmp(fmt_block.szFmtID, "fmt ", 4) !=0 ||
 74        fmt_block.dwFmtSize != 18 ||
 75        fmt_block.wavFormat.wFormatTag != 0x1 ||
 76        fmt_block.wavFormat.wChannels != 0x1 ||
 77        fmt_block.wavFormat.dwSamplesPerSec != 8000 ||
 78        fmt_block.wavFormat.wBitsPerSample != 16)
 79    {
 80        printf("Sorry this is only test program,\n"
 81            "we only support follow format,\n"
 82            "\t 1. Format:        linear PCM \n"
 83            "\t 2. Samples Rate:  8000 KHz \n"
 84            "\t 3. Channels:      one channel \n"
 85            "\t 4. BitsPerSample: 16 \n");
 86        fclose(wav_in);
 87        fclose(wav_out);
 88        return(-1);
 89    }
 90    
 91    file_pos = ftell(wav_in);
 92
 93    //Try to read FACT_BLOCK
 94    file_pos = ftell(wav_in);
 95    fread(&fact_block, sizeof(struct FACT_BLOCK), 1, wav_in);
 96    if( memcmp(fact_block.szFactID, "fact", 4) == 0 )
 97    {    
 98        has_fact_block =1;
 99        fread(&fack_block_buffer, fact_block.dwFactSize, 1, wav_in);
100    }
101    else
102        fseek(wav_in, file_pos, SEEK_SET);
103    
104    fread(&data_block, sizeof(struct DATA_BLOCK), 1, wav_in);
105    if (memcmp(data_block.szDataID, "data", 4) != 0)
106    {
107        printf("OOh what error?\n");
108        fclose(wav_in);
109        fclose(wav_out);
110        return(-1);
111    }
112
113    //Change the wave header to write
114    riff_header.dwRiffSize                    -=    data_block.dwDataSize/2 ;
115    
116    fmt_block.wavFormat.wFormatTag            =    0x06;
117    fmt_block.wavFormat.wChannels            =    0x01;
118    fmt_block.wavFormat.dwSamplesPerSec        =    8000;
119    fmt_block.wavFormat.dwAvgBytesPerSec    =    8000;
120    fmt_block.wavFormat.wBlockAlign            =    0x01;
121    fmt_block.wavFormat.wBitsPerSample        =    0x08;
122
123    data_block.dwDataSize                    -=    data_block.dwDataSize/2 ;
124
125    //Write wave file header
126    fwrite(&riff_header, sizeof(struct RIFF_HEADER), 1, wav_out);
127    fwrite(&fmt_block, sizeof(struct FMT_BLOCK), 1, wav_out);
128    if(has_fact_block == 1) 
129    {
130        fwrite(&fact_block, sizeof(struct FACT_BLOCK), 1, wav_out);
131        fwrite(&fack_block_buffer, fact_block.dwFactSize, 1, wav_out);
132    }
133    fwrite(&data_block, sizeof(struct DATA_BLOCK), 1, wav_out);
134
135    //Convert pcm data to a-low data  and  write wav file.
136    for(i =0; i< data_block.dwDataSize; i++)
137    {
138        pcm_bytes[0] = (U8) fgetc(wav_in);
139        pcm_bytes[1] = (U8) fgetc(wav_in);
140        pcm = *(short *)&pcm_bytes;
141
142        a_law     = ALawEncode((int)pcm);
143//        a_law     = linear2alaw((int)pcm);
144        fputc(a_law, wav_out);
145    }
146    fclose(wav_in);
147    fclose(wav_out);
148    
149    printf("Finish!\n");
150    return 0;
151}
152

      整个文件基本都是在为WAV文件格式服务而非我们的核心工作－－G.711编码。唉~，我也不想。这里在面进行G.711编码的就是ALawEncode函数。这个函数定义在g711.c里件里，这个文件函数一些我认为比较有用的函数。我们这是只把ALawEncode这个函数拿出来。 

 1//省略的代码
 2unsigned char ALawEncode(int pcm16)
 3{
 4    int p = pcm16;
 5    unsigned a;  // A-law value we are forming
 6    if(p<0)
 7    {
 8        // -ve value
 9        // Note, ones compliment is used here as this keeps encoding symetrical
10        // and equal spaced around zero cross-over, (it also matches the standard).
11        p = ~p;
12        a = 0x00; // sign = 0
13    }
14    else
15    {
16        // +ve value
17        a = 0x80; // sign = 1
18    }
19    
20    // Calculate segment and interval numbers
21    p >>= 4;
22    if(p>=0x20)
23    {
24        if(p>=0x100)
25        {
26            p >>= 4;
27            a += 0x40;
28        }
29        if(p>=0x40)
30        {
31            p >>= 2;
32            a += 0x20;
33        }
34        if(p>=0x20)
35        {
36            p >>= 1;
37            a += 0x10;
38        }
39    }
40    // a&0x70 now holds segment value and 'p' the interval number
41    
42    a += p;  // a now equal to encoded A-law value
43    
44    return a^0x55;    // A-law has alternate bits inverted for transmission
45}
46//省略的代码
47

      哈哈，前一部说了这么多，其实G711编码也只是很简单的。当然，不然VOIP怎么把它变的每个软件的必要品。

      完整的程序可以从下面的链接下载：PCM2ALaw.rar