－ＥＥ－｝ Ｅ运用多媒体ＷＡＶ文件格式二三例中国人民电子工程学院（合肥２３００３７）徐济仁王昌宝陈家松 摘要Ｗｉｎｄｏｗｓ的ＷＡＶ文件提供的语音信息包括大量的信息，可用于波形显示、频谱处理，还可以满足语音特征识别的要求。通过此方法提供的语音信号采样数据，方法简单，应用广泛。关键词 ＷＡＶ文件波形显示讲话者识别 多媒体技术近年来发展很快，较好品质的声卡硬盘的逻辑代码（Ｃ：或Ｄ：），而“ＬＩＳＴ＂ ｃｈｕｎｋ即为可以提供１６ｂｉｔ的立体声及４４ｋＨｚ的播放录制能其下的子目录，其他的ｃｈｕｎｋ则为一般的文件。至力，它不仅可以提供原音逼真的取样，合成的音质也于在ＲＩＦＦ文件的处理方面，微软提供了相关的函十分理想，有的声卡还加人了数字信号处理器，可编数。视窗下的各种多媒体文件格式就如同在磁盘机程控制的ＤＳＰ具有强大的运算能力，它可以用来作下规定仅能放怎样的目录，而在该目录下仅能放何声音信息的压缩和一些特殊效果的处理。具有此功种数据。能的声卡提供的ＷＡＶ文件提供的语音信息可以满 ＷＡＶ为ｗａｖｅｆｏｒｍ（波形）的缩写。声音文件的足语音特征识别的要求。结构如图１所示，＂ ＲＩＦＦ”的格式辨别码为１ ＲＩＦＦ文件和ＷＡＶ文件格式＂ＷＡＶＥ＂。整个文件由两个。ｈｕｎｋ所组成：辨别码＂ｆｍｔ＂（注意，最后一个是空白字符！）及“ｄａｔａ＂． 在Ｗｉｎｄｗｏｓ环境下，大部分的多媒体文件都依＂ＲＩＦＦ＂循着一种结构来存放信息，这种结构称为“资源互换ｘ ｘ ｘ ｘ文件格式”（ ｒｅｓｏｕｒｃｅｓ ｉｎｔｅｒｃｈａｎｇｅ ｆｉｌｅ ｆｏｒｍａｔ，简称＂ＷＡＶＥ，ＲＩＦＦ）。例如声音的ＷＡＶ文件、视频的ＡＶ Ｉ文件等等均是由此结构衍生出来的。ＲＩＦＦ可以看作是＂ｆｍｔ＂一种树状结构，其基本构成单位为。ｈｕｎｋ，犹如树状ｓｉｚｅｏｆ （ＰＣＭＷＡＶＥＦＯＲＭＡＴ）结构中的节点，每个ｃｈｕｎｋ由“辨别码”、“数据大小”ｓｔｕｒｃｔ ｏｆ ＰＣＭＷＡＶＥＦＯＲＭＡＴ及“数据”所组成。ｄａｔａ辨别码由４个ＡＳＣＩ Ｉ码所构成，数据大小则标ｘＸｘＸ示出紧跟其后数据的长度（单位为Ｂｙｔｅ），而数据大ｗａｖｅ ｆｏｒｍ ｄａｔａ小本身也用掉４个Ｂｙｔｅ，所以事实上一个ｃｈｕｎｋ的图１ ＷＡＶ文件结构长度为数据大小加８。一般而言，ｃｈｕｎｋ本身并不允在“ｆ ｍｔ”的ｃｈｕｎｋ下包含了一个ＰＣＭＷＡＶＥ－许内部再包含ｃｈｕｎｋ，但有两种例外，分别为以ＦＯＲＭＡＴ数据结构，其定义如下：＂ＲＩＦＦ＇，及“ＬＩＳＴ”为辨别码的ｃｈｕｎｋ。而针对这两ｔ ｙｐｅｄｅｆ ｓｔｕｒｃｔ ｐｃｍｗａｖｅｆｏｒｍａｔ－ｔａｇ ｛种ｃｈｕｎｋ， ＲＩＦＦ又从原先的“数据”中切出４个ＷＡＶＥＦＯＲＭＡＴ ｗｆ ；Ｂｙｔｅ。这４个Ｂｙｔｅ称为“格式辨别码”，然而ＲＩＦＦＷＯＲＤ ｗＢｉｔｓＰｅｒＳａｍｐｌｅ；又规定文件中仅能有一个以“ＲＩＦＦ”为辨别码的｝ＰＣＭＷＡＶＥＦＯＲＭＡＴ； ｃｈｕｎｋ．ｔ ｙｐｅｄｅｆ ｓｔｕｒｃｔ ｗａｖｅｆｏｒｍａｔ－ｔａｇ ｛只要是依循这一结构的文件，我们均称之为 ＷＯＲＤ ｗＦｏｒｍａｔＴａｇ；ＷＯＲＤ ｎＣｈａｎｎｅｌｓ；ＲＩＦＦ文档。这种结构提供了一种系统化的分类。ＤＷＯＲＤ ｎＳａｍｐｌｅｓＰｅｒＳｅｃ；如果和ＭＳ － ＤＯＳ文件系统作比较，＂ＲＩＦＦ＂ ｃｈｕｎｋＤＷＯＲＤ ｎＡｖｇＢｙｔｅｓｐｅｒＳｅｃ；就好比是一台硬盘的根目录，其格式辨别码便是此ＷＯＲＤ ｎＢｌｏｃｋＡｌｉｇｎ；《电子技术》２００１年第１期上海华为信息技术有限公司０２１一５３８５ ２３００ －６１－万方数据万方数据｝ＷＡＶＥＦＯＲＭＡＴ； ６５５３６，不过Ｗｉｎｄｏｗｓ却定１６位元其值的范围为一其意义分别为： ３２１６８－－ ３２１６７。此外尚有一点要注意的是，０并不ｗＦｏｒ ｍａｔＴａｇ：记录着此声音的格式代号，例如一定代表无声，而是由中间的数值来决定，也就是在ＷＡＶＥ ＿ ＦＯＲＭＡＴ一ＰＣＭ， ＷＡＶＥ＿ ＦＯＲＡＭ＿ ＡＤ－８位元时为１２８，１６位元时为０才是无声。所以，若ＰＣＭ等等。程序设计时需放人无声的数据，需特别注意声音格ｎＣｈａｎｎｅｌ ｓ：记录声音的频道数。式是１６或是８位元，以放人适当的值。ｎ ＳａｍｐｌｅｓＰｅｒＳｅｃ：记录每秒取样数。ｎＡｖｇＢｙｔ ｅｓＰｅｒＳｅｃ：记录每秒的数据量。２ ＷＡＶ文件信息的具体应用ｎＢｌ ｏｃｋＡｌｉｇｎ：记录区块的对齐单位。 ＷＡＶ文件中包括了对原始声音的高速率采ｗＢｉ ｔｓＰｅｒＳａｍｐｌｅ记录每个取样所需的位元数。样，并且以ＷＡＶＥ ＿ ＰＣＭ ＿ＦＯＲＭＡＴ脉冲编码调制 ＂ｄａｔ ａ＂ Ｃｈｕｎｋ包含着真正的声音数据。Ｗｉｎ－格式，我们可以在ＶＩＳＵＡＬ Ｃ十十程序中实现，在读ｄｏｗｓ目前仅提供ＷＡＶＥ－ ＦＯＲＭＡＴ－ ＰＣＭ一种数出ＷＡＶＥＨＤＲ文件头之后，下面就是原始声音的据格式，所代表的意义是脉冲编码调制（ｐｕｌｓｅ ｃｏｄｅ高速率采样信息，我们可以对它作多方面的信息处ｍｏｄｕｌａｔｉｏｎ）。针对这种格式，Ｗｉｎｄｏｗｓ定义了在理。＂ｄａｔａ＂的ｃｈｕｎｋ中数据的存放情形，图２中列出了２．１波形显示四种不同频道数及取样所需的位元数以及位元位置我们可以以时域一幅度的方式显示出原始声音 的安排。的波形，这是最简单同时也是最直接的信息处理方式。在时域范围内，我们可以观察该信号波形是否ｎＣｈａｎｎｅｌｓ ＝ １，ｗＢｉｔｓＰｅｒＳａｍｐｌｅ ＝ ８连续，中间是否有跳变等。２．２频谱显示我们可以以频域一幅度的方式显示出原始声音 ｎＣｈａｎｎｅｌｓ＝ ２， ｗＢｉｔｓＰｅｒＳａｍｐｌｅ ＝ ８的频谱，在对原始信号经过快速傅立叶变换（ＦＦＴ）之后，可以得到该信号的频谱，进而得到该信号的能ｎＣｈａｎｎｅｌ ｓ＝１，ｗＢｉｔｓＰｅｒＳａｍｐｌｅ＝ １６量集中带、分布特征、谱对称系数等等。频道。（低位））Ｉ频道。（高位））Ｉ频道１（低位））Ｉ频道１（高位）２．３用于语言信号识别｝（低位）｛（高位）｝（低位）｝（高位）｝讲话者的个体识别是语音信号处理的一个重要 ｎＣｈａｎｎｅｌｓ ＝ ２，ｗＢｉｔｓＰｅｒＳａｍｐｌｅ＝ １６内容，但它的一个前提条件是必须提供语音信号的图２ ＰＣＭ文件中位元安排方式数字波形，通常的方法是将原始的语音信号进人放 第一排表示单声道８位元，第二排表示双声道大、抗混叠滤波、Ａ／Ｄ采样、数值编码，最终得到语８位元，第三排表示单声道１６位元，第四排表示双音信号的数字波形，通常多采用硬件处理，费时费声道１６位元。８位元代表音量大小由８个位元所力，如果我们借助非常成熟的声卡技术，将ＷＡＶ文表示，１６位元则代表音量大小由１６个位元所表示。件打开，就非常方便地得到语音信号的数字波形，为理论上８位元可以表示０－－２５５，１６位元可表示０－下一步进行语音信号识别提供良好的前端预处理。领域强化直流，直流应用系统性能：性能卓越效率一流Ｉ Ｒ功率半导体首先，同步整流集成电路Ｉ Ｒ１１７６，配合新可简化宽频网的低压、大电流输出直流一直流转 国际整流器公司（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｅｃｔｉｉｆｅｒ，简换器设计，．实现更高的效率和更佳的成本效益。称ＩＲ）宣布新一阶段直流直流转换技术开发计其次，用于隔离及非隔离（降压）同步直流 划，推出全新同步整流集成电路ＩＲ１１７６，以及．直流变换器的３０Ｖ ＨＥＸＦＥＴ ＭＯＳＦＥＴ可降低器新型ＩＲＦ７８２２ ＨＥＸＦＥＴ功率ＭＯＳＦＥＴ系列，可件得导通电组和栅电荷。显著提高直流一直流功率系统的运作效率。这些此外，Ｉ Ｒ新增加的专用高效直流一直流专用高效器件，为因特网服务器和笔记本电脑的ＨＥＸＦＥＴ功率ＭＯＳＦＥＴ，扩大了电压范围、性新型ＧＨｚ级处理器，以及宽频网络设备的能水平，还提供了新的封装设计，大大改善了常处理器和定制集成电路，确立了全新性能标准。用功率转换结构的工作效率。Ｉ Ｒ最新推出的功率半导体，可在三个主要 （张薇）－６２一北电网络（中国）有限公司０１０ － ６５２３ ７７８８《电子技术》２００１年第１期
