原创 STM32开发板上音频播放程序的设计之一

<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />

一、WAV文件格式分析

1、开发板上的资源

在开发板的GPIO管脚中，PB0外接了一个扬声器。通过一个三极管8050 驱动扬声器。我以前试过将该脚复用为TIM_CH3，采用PWM输出，频率不同时，可以听到高低不同的声音，但不知道播放音乐的效果怎么样。

我记得网上有网友说用智林开发板实现了音乐播放，我也来试一试。

这里主要是采用WAV格式的声音文件，它里面数据的存放是按照采样率、声音的大小采样来实现的。也就是说，只要按它的采用率从文件中取出声音数据，然后让扬声器输出一个与声音数据大小成正比的声音，就可以将声音还原播放出来。

2、WAV格式分析

（1）格式的简单学习

WAV文件的扩展名为“WAV”，数据本身的格式为PCM或压缩型。它采用RIFF文件格式结构，使用三个参数来表示声音：采样位数、采样频率和声道数。

PCM是指脉冲编码调制，利用脉冲编码调制，波形可以按固定的周期频率取样，其频率通常是每秒几万次（比如44.1kHZ，就是每秒4.41万次）。对于每个样本都测量其波形的振幅。

Windows同时支持8位和16位的样本大小。储存8位的样本时，样本以无正负号字节处理，静音将储存为一个值为0x80的字符串。16位的样本以带正负号整数处理，这时静音将储存为一个值为0的字符串。

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）。我们在电脑上使用的好像都是采样率44.1KHZ，双声道的。

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。

（2）WAV格式实践

我在网上下了一个WAV文件，利用Ultraedit以二进制的方式打开。结合百度上有关文章对WAV格式的描述，学习以下它的结构。

WAV文件头部首先是一个RIFF WAVE Chunk。它包括12个字节。

00000000h: 52 49 46 46 98 95 <?xml:namespace prefix = st1 ns = "urn:schemas-microsoft-com:office:smarttags" />0A 00 57 41 56 45 ; RIFF槙..WAVE

以'RIFF'作为标示，占四个字节，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。我打开的这个文件共693664个字节，而 000A9598 = 693 656。然后是Type字段，为'WAVE'，表示是wav文件。

然后紧跟着是一个Format Chunk，这个部分包括了WAV文件的大部分格式信息。包括采样频率、位数、声道数，编码方式、每个采样所需字节数、每秒需要的字节数等等。

以'fmt '四个字节作为标示。后面一般情况下Size占用2个字节。其取值为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。

后面的属性用一个结构体表示，结构定义如下：

　struct WAVE_FORMAT

　{  WORD wFormatTag;  //编码方式，2个字节

　　WORD wChannels;    //声道数目，2个字节

　　DWORD dwSamplesPerSec; //采样频率，4给字节

　　DWORD dwAvgBytesPerSec;  //每秒需用的字节数，4个字节

　　WORD wBlockAlign;  //每次采样所需字节数，2个字节

　　WORD wBitsPerSample; //每次采样所用的位数，2个字节

   //这里可能还要附加字节，看size的值。

　};

0000000ch: 66 6D 74 20 32 00 00 00 02 00 01 00 22 56 00 00 ; fmt 2......."V..

0000001ch: AB 2B 00 00 00 02 04 00 20 00 F4 03 07 00 00 01 ; ?...... .?....

0000002ch: 00 00 00 02 00 FF 00 00 00 00 C0 00 40 00 F0 00 ; .....�....?@.?

0000003ch: 00 00 CC 01 30 FF 88 01 18 FF                   ; ..?0�?.�

我这个取出来的数据与网上说的有点不同啊，size字段表明格式字段后面跟着0x32个字节，也就是50个。前面16个表示属性：

编码方式为02 00，编码类型？

声道数目为01 00，一个声道

采样频率为22 56 00 00，22050=22.05kHZ。这个是对应的。

每秒字节数AB 2B 00 00，共11179个字节，这个数据好像不对。

每次采样字节数00 02，，512字节，不可能吧。

采样位数，04 00四位，应该最少8位啊。

这是附加的字节：20 00，什么意思？

然后紧跟着是一个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。一般是12个字节。

其结构如下：

　　struct FACT_BLOCK

　　{　　char szFactID[4]; // 'f','a','c','t'

　　     DWORD dwFactSize;  //后面数据的大小。

　　};

我的WAV文件是这样的：

00000046h: 66 61 63 74 04 00 00 00 08 EB 14 00             ; fact.....?.

然后紧跟着是Data Chunk，所有的声音数据都放在这里了。

我的WAV文件是这样的：

00000052h: 64 61 74 61 46 95 0A 00 01 10 00 00 00 00       ; dataF?.......

0x46 95 0A 00表明数据部分的大小，比文件长度小90个字节。因为RIFF WAVE Chunk占用12个字节，Format Chunk占用58个字节，Fact Chunk占12个字节，Data Chunk头部8个字节，所以后面全是声音采样的数据。

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    |  取样3 |    取样4 |

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

　　| 8bit量化 | 声道0(左) | 声道1(右) | 声道0(左) | 声道1(右) |

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

　　|  单声道    | 取样1 | 取样2 | 取样3 |  取样4 |

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

　　| 16bit量化  | 声道0 | 声道0 | 声道0 | 声道0 |

　　|           | (低位)  | (高位) | (低位)  | (高位) |

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

　　|   双声道  | 取样1     |取样2 |    取样3 |    取样4 |

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

　　| 16bit量化 | 声道0(左) | 声道0(左) | 声道1(右) | 声道1(右) |

　　|           | (低位)    | (高位) |     (低位) |     (高位) |

（3）再打开一个文件

在Format Chunk部分有点问题，所以再打开一个WAV文件看一下。

这次打开的跟网上描述的一样：Format Chunk共16个字节，而且没有Fact Chunk。后面马上就是Data Chunk。

0000h:52 49 46 46 44 3D 07 00 57 41 56 45 66 6D 74 20 ; RIFFD=..WAVEfmt

0010h:10 00 00 00 01 00 01 00 40 1F 00 00 40 1F 00 00 ; ........@...@...

0020h:01 00 08 00 64 61 74 61 1F 3D 07 00 80 7F 80 80 ; ....data.=..€€€

SIZE为10 00 00 00，表示16字节

编码方式为01 00，应该就是指PCM编码

声道数目为01 00，一个声道

采样频率为40 1F 00 00，8000HZ。这个是对应的采样频率。

每秒字节数40 1F 00 00，每秒共8000个字节，单声道8位采样。

每次采样字节数01 00，一个字节

采样位数08 00，每次采样为8位。

（4）再次搜索，看SIZE=50到底对应什么情况。

终于找到了：

其中wFormatTag标明了文件的类型，这样我们就可以判断后面的数据是以什么方式来存储和表示的了，比如，#define WAVE_FORMAT_PCM 0x0001 这样，WAVE_FORMAT_PCM表示的就是普通的原始wav文件格式。再比如，#define WAVE_FORMAT_ADPCM 0x0002 我们就可以知道，wFormatTag的值为WAVE_FORMAT_ADPCM就是以ADPCM压缩的格式了。

  WAVEFORMATEX是所有的format所共有的一个头部，不同格式会在后面添加自己的相关的数据段，添加的段的字节数可以通过cbSize来得到。

  cbSize用来描述不同的格式后面添加的多余的字节数。比如WAVE_FORMAT_ADPCM格式的format的这个值就是32，表明还有32个字节在后面。标准16个字节+附加的两个字节+后面的32个字节等于50字节。

至于详细的的ADPCM编码格式，我就不做分析了，因为我计划的声音播放只要实现简单的PCM编码格式就行了。有兴趣的可以看这篇文章。我是从这里得到以上信息的。

Microsoft ADPCM 编码解码算法