PCM音频采样数据处理

发布时间：2020-12-14 01:38:42 所属栏目：大数据来源：网络整理

导读：===================================================== 视音频数据处理入门系列文章：视音频数据处理入门：RGB、YUV像素数据处理视音频数据处理入门：PCM音频采样数据处理视音频数据处理入门：H.264视频码流解析视音频数据处理入门：AAC音频码流解析

=====================================================

视音频数据处理入门系列文章：

视音频数据处理入门：RGB、YUV像素数据处理

视音频数据处理入门：PCM音频采样数据处理

视音频数据处理入门：H.264视频码流解析

视音频数据处理入门：AAC音频码流解析

视音频数据处理入门：FLV封装格式解析

视音频数据处理入门：UDP-RTP协议解析

=====================================================

上一篇文章记录了RGB/YUV视频像素数据的处理方法，本文继续上一篇文章的内容，记录PCM音频采样数据的处理方法。音频采样数据在视频播放器的解码流程中的位置如下图所示。

本文分别介绍如下几个PCM音频采样数据处理函数：
? 分离PCM16LE双声道音频采样数据的左声道和右声道
将PCM16LE双声道音频采样数据中左声道的音量降一半
将PCM16LE双声道音频采样数据的声音速度提高一倍
将PCM16LE双声道音频采样数据转换为PCM8音频采样数据
从PCM16LE单声道音频采样数据中截取一部分数据
将PCM16LE双声道音频采样数据转换为WAVE格式音频数据
注：PCM音频数据可以使用音频编辑软件导入查看。例如收费的专业音频编辑软件Adobe Audition，或者免费开源的音频编辑软件Audacity。

函数列表

（1）分离PCM16LE双声道音频采样数据的左声道和右声道

本程序中的函数可以将PCM16LE双声道数据中左声道和右声道的数据分离成两个文件。函数的代码如下所示。

[cpp]? 
   view plain 
   ?copy 
   
?
 /**?
 ?*?Split?Left?and?Right?channel?of?16LE?PCM?file.?
?*?@param?url??Location?of?PCM?file.?
?*?
?*/??
 int?simplest_pcm16le_split(char?*url){??
 ????FILE?*fp=fopen(url,"rb+");??
 ????FILE?*fp1=fopen("output_l.pcm","wb+");??
FILE?*fp2=fopen("output_r.pcm","wb+");??
 ??
 ????unsigned?char?*sample=(unsigned?char?*)malloc(4);??
 ????while(!feof(fp)){??
 ????????fread(sample,1,4,fp);??
 ????????//L??
 ????????fwrite(sample,2,fp1);??
//R??
 ????????fwrite(sample+2,fp2);??
 ????}??
 ????free(sample);??
 ????fclose(fp);??
 ????fclose(fp1);??
 ????fclose(fp2);??
return?0;??
 }??

调用上面函数的方法如下所示。
copy

? simplest_pcm16le_split("NocturneNo2inEflat_44.1k_s16le.pcm");??

从代码可以看出，PCM16LE双声道数据中左声道和右声道的采样值是间隔存储的。每个采样值占用2Byte空间。代码运行后，会把NocturneNo2inEflat_44.1k_s16le.pcm的PCM16LE格式的数据分离为两个单声道数据：

output_l.pcm：左声道数据。
output_r.pcm：右声道数据。

注：本文中声音样值的采样频率一律是44100Hz，采样格式一律为16LE。“16”代表采样位数是16bit。由于1Byte=8bit，所以一个声道的一个采样值占用2Byte。“LE”代表Little Endian，代表2 Byte采样值的存储方式为高位存在高地址中。

下图为输入的双声道PCM数据的波形图。上面的波形图是左声道的图形，下面的波形图是右声道的波形。图中的横坐标是时间，总长度为22秒；纵坐标是取样值，取值范围从-32768到32767。

下图为分离后左声道数据output_l.pcm的音频波形图。

下图为分离后右声道数据output_r.pcm的音频波形图。

（2）将PCM16LE双声道音频采样数据中左声道的音量降一半

本程序中的函数可以将PCM16LE双声道数据中左声道的音量降低一半。函数的代码如下所示。
copy

? ?*?Halve?volume?of?Left?channel?of?16LE?PCM?file?

?*/??

int?simplest_pcm16le_halfvolumeleft(char?*url){??

"rb+");??

FILE?*fp1=fopen("output_halfleft.pcm",87); font-weight:bold; background-color:inherit">int?cnt=0;??

????????short?*samplenum=NULL;??

????????fread(sample,fp);??

????????samplenum=(short?*)sample;??

????????*samplenum=*samplenum/2;??

????????cnt++;??

????printf("Sample?Cnt:%dn",cnt);??

????free(sample);??

????fclose(fp);??

????fclose(fp1);??

copy

? simplest_pcm16le_halfvolumeleft("NocturneNo2inEflat_44.1k_s16le.pcm");??

从源代码可以看出，本程序在读出左声道的2 Byte的取样值之后，将其当成了C语言中的一个short类型的变量。将该数值除以2之后写回到了PCM文件中。下图为输入PCM双声道音频采样数据的波形图。

下图为输出的左声道经过处理后的波形图。可以看出左声道的波形幅度降低了一半。

（3）将PCM16LE双声道音频采样数据的声音速度提高一倍本程序中的函数可以通过抽象的方式将PCM16LE双声道数据的速度提高一倍。函数的代码如下所示。
copy

? ?*?Re-sample?to?double?the?speed?of?16LE?PCM?file?

int?simplest_pcm16le_doublespeed(FILE?*fp1=fopen("output_doublespeed.pcm",108); list-style:decimal-leading-zero outside; color:inherit; line-height:18px; margin:0px!important; padding:0px 3px 0px 10px!important"> ????????if(cnt%2!=0){??

????????????//L??

????????????fwrite(sample,fp1);??

//R??

????????????fwrite(sample+2,248)"> ????????}??

????????cnt++;??

????}??

????printf("Sample?Cnt:%dn",cnt);??

????return?0;??

}??

copy

? simplest_pcm16le_doublespeed("NocturneNo2inEflat_44.1k_s16le.pcm");??
从源代码可以看出，本程序只采样了每个声道奇数点的样值。处理完成后，原本22秒左右的音频变成了11秒左右。音频的播放速度提高了2倍，音频的音调也变高了很多。下图为输入PCM双声道音频采样数据的波形图。

下图为输出的PCM双声道音频采样数据的波形图。通过时间轴可以看出音频变短了很多。

（4）将PCM16LE双声道音频采样数据转换为PCM8音频采样数据

本程序中的函数可以通过计算的方式将PCM16LE双声道数据16bit的采样位数转换为8bit。函数的代码如下所示。

copy 
    
   
??*?Convert?PCM-16?data?to?PCM-8?data.?
 
  int?simplest_pcm16le_to_pcm8(FILE?*fp1=fopen("output_8.pcm",108); list-style:decimal-leading-zero outside; color:inherit; line-height:18px; margin:0px!important; padding:0px 3px 0px 10px!important"> ????????short?*samplenum16=NULL;??
char?samplenum8=0;??
 ????????unsigned?char?samplenum8_u=0;??
//(-32768-32767)??
 ????????samplenum16=(short?*)sample;??
 ????????samplenum8=(*samplenum16)>>8;??
 ????????//(0-255)??
 ????????samplenum8_u=samplenum8+128;??
 ????????fwrite(&samplenum8_u,108); list-style:decimal-leading-zero outside; color:inherit; line-height:18px; margin:0px!important; padding:0px 3px 0px 10px!important"> ????????samplenum16=(short?*)(sample+2);??
 ????????samplenum8=(*samplenum16)>>8;??
copy 
   
? simplest_pcm16le_to_pcm8("NocturneNo2inEflat_44.1k_s16le.pcm");??

PCM16LE格式的采样数据的取值范围是-32768到32767，而PCM8格式的采样数据的取值范围是0到255。所以PCM16LE转换到PCM8需要经过两个步骤：第一步是将-32768到32767的16bit有符号数值转换为-128到127的8bit有符号数值，第二步是将-128到127的8bit有符号数值转换为0到255的8bit无符号数值。在本程序中，16bit采样数据是通过short类型变量存储的，而8bit采样数据是通过unsigned char类型存储的。下图为输入的16bit的PCM双声道音频采样数据的波形图。

下图为输出的8bit的PCM双声道音频采样数据的波形图。注意观察图中纵坐标的取值范围已经变为0至255。如果仔细聆听声音的话，会发现8bit PCM的音质明显不如16 bit PCM的音质。

（5）将从PCM16LE单声道音频采样数据中截取一部分数据本程序中的函数可以从PCM16LE单声道数据中截取一段数据，并输出截取数据的样值。函数的代码如下所示。
copy

? ?*?Cut?a?16LE?PCM?single?channel?file.?

?*?@param?url????????Location?of?PCM?file.?

?*?@param?start_num??start?point?

?*?@param?dur_num????how?much?point?to?cut?

int?simplest_pcm16le_cut_singlechannel(char?*url,int?start_num,87); font-weight:bold; background-color:inherit">int?dur_num){??

FILE?*fp1=fopen("output_cut.pcm",87); font-weight:bold; background-color:inherit">FILE?*fp_stat=fopen("output_cut.txt",248)"> ????unsigned?char?*)malloc(2);??

int?cnt=0;??

if(cnt>start_num&&cnt<=(start_num+dur_num)){??

????????????fwrite(sample,248)"> ????????????short?samplenum=sample[1];??

????????????samplenum=samplenum*256;??

????????????samplenum=samplenum+sample[0];??

????????????fprintf(fp_stat,"%6d,",samplenum);??

????????????if(cnt%10==0)??

????????????????fprintf(fp_stat,"n",108); list-style:decimal-leading-zero outside; color:inherit; line-height:18px; margin:0px!important; padding:0px 3px 0px 10px!important"> ????????}??

????fclose(fp_stat);??

copy

? simplest_pcm16le_cut_singlechannel("drum.pcm",2360,120);??

本程序可以从PCM数据中选取一段采样值保存下来，并且输出这些采样值的数值。上述代码运行后，会把单声道PCM16LE格式的“drum.pcm”中从2360点开始的120点的数据保存成output_cut.pcm文件。下图为“drum.pcm”的波形图，该音频采样频率为44100KHz，长度为0.5秒，一共包含约22050个采样点。

下图为截取出来的output_cut.pcm文件中的数据。

下面列出了上述数据的采样值。

[plain]? 
   copy 
    
   
?

?4460,??5192,??5956,??6680,??7199,??6706,??5727,??4481,??3261,??1993,??

?1264,???747,???767,???752,??1248,??1975,??2473,??2955,??2952,??2447,??
??974,?-1267,?-4000,?-6965,-10210,-13414,-16639,-19363,-21329,-22541,??
23028,-22545,-21055,-19067,-16829,-14859,-12596,?-9900,?-6684,?-3475,108); list-style:decimal-leading-zero outside; color:inherit; line-height:18px; margin:0px!important; padding:0px 3px 0px 10px!important"> ?-983,??1733,??3978,??5734,??6720,??6978,??6993,??7223,??7225,??7440,248)"> ?7688,??8431,??8944,??9468,??9947,?10688,?11194,?11946,?12449,?12446,108); list-style:decimal-leading-zero outside; color:inherit; line-height:18px; margin:0px!important; padding:0px 3px 0px 10px!important"> 12456,?11974,?11454,?10952,?10167,??9425,??8153,??6941,??5436,??3716,248)"> ?1952,???236,?-1254,?-2463,?-3493,?-4223,?-4695,?-4927,?-5190,?-4941,108); list-style:decimal-leading-zero outside; color:inherit; line-height:18px; margin:0px!important; padding:0px 3px 0px 10px!important"> -4188,?-2956,?-1490,???-40,???705,???932,???446,??-776,?-2512,?-3994,248)"> -5723,?-7201,?-8687,-10157,-11134,-11661,-11642,-11168,-10155,?-9142,108); list-style:decimal-leading-zero outside; color:inherit; line-height:18px; margin:0px!important; padding:0px 3px 0px 10px!important"> -7888,?-7146,?-6186,?-5694,?-4971,?-4715,?-4498,?-4471,?-4468,?-4452,248)"> -4452,?-3940,?-2980,?-1984,??-752,???257,??1021,??1264,??1032,????31,??

（6）将PCM16LE双声道音频采样数据转换为WAVE格式音频数据 WAVE格式音频（扩展名为“.wav”）是Windows系统中最常见的一种音频。该格式的实质就是在PCM文件的前面加了一个文件头。本程序的函数就可以通过在PCM文件前面加一个WAVE文件头从而封装为WAVE格式音频。函数的代码如下所示。
copy

? ?*?Convert?PCM16LE?raw?data?to?WAVE?format?

?*?@param?pcmpath??????Input?PCM?file.?

?*?@param?channels?????Channel?number?of?PCM?file.?

?*?@param?sample_rate??Sample?rate?of?PCM?file.?

?*?@param?wavepath?????Output?WAVE?file.?

int?simplest_pcm16le_to_wave(const?char?*pcmpath,87); font-weight:bold; background-color:inherit">int?channels,87); font-weight:bold; background-color:inherit">int?sample_rate,char?*wavepath)??

{??

typedef?struct?WAVE_HEADER{????

char?????????fccID[4];??????????

????????unsigned???long????dwSize;??????????????

char?????????fccType[4];??????

????}WAVE_HEADER;????

struct?WAVE_FMT{????

long???????dwSize;??????????????

????????unsigned???short?????wFormatTag;??????

short?????wChannels;????

long???????dwSamplesPerSec;????

long???????dwAvgBytesPerSec;????

short?????wBlockAlign;????

short?????uiBitsPerSample;????

????}WAVE_FMT;????

struct?WAVE_DATA{????

char???????fccID[4];????????????

????????unsigned?long?dwSize;????????????????

????}WAVE_DATA;????

if(channels==0||sample_rate==0){??

????channels?=?2;??

????sample_rate?=?44100;??

int?bits?=?16;??

????WAVE_HEADER???pcmHEADER;????

????WAVE_FMT???pcmFMT;????

????WAVE_DATA???pcmDATA;????

???

????unsigned???short???m_pcmData;??

FILE???*fp,*fpout;????

????fp=fopen(pcmpath,?"rb");??

if(fp?==?NULL)?{????

????????printf("open?pcm?file?errorn");??

????????return?-1;????

????fpout=fopen(wavepath,???"wb+");??

if(fpout?==?NULL)?{??????

????????printf("create?wav?file?errorn");????

return?-1;???

????}??????????

????//WAVE_HEADER??

????memcpy(pcmHEADER.fccID,"RIFF",strlen("RIFF"));??????????????????????

????memcpy(pcmHEADER.fccType,"WAVE",strlen("WAVE"));????

????fseek(fpout,sizeof(WAVE_HEADER),1);???

//WAVE_FMT??

????pcmFMT.dwSamplesPerSec=sample_rate;????

????pcmFMT.dwAvgBytesPerSec=pcmFMT.dwSamplesPerSec*sizeof(m_pcmData);????

????pcmFMT.uiBitsPerSample=bits;??

????memcpy(pcmFMT.fccID,"fmt?",strlen("fmt?"));????

????pcmFMT.dwSize=16;????

????pcmFMT.wBlockAlign=2;????

????pcmFMT.wChannels=channels;????

????pcmFMT.wFormatTag=1;????

???

????fwrite(&pcmFMT,153); font-weight:bold; background-color:inherit">sizeof(WAVE_FMT),fpout);???

//WAVE_DATA;??

????memcpy(pcmDATA.fccID,"data",strlen("data"));????

????pcmDATA.dwSize=0;??

sizeof(WAVE_DATA),SEEK_CUR);??

????fread(&m_pcmData,153); font-weight:bold; background-color:inherit">sizeof(unsigned?short),fp);??

while(!feof(fp)){????

????????pcmDATA.dwSize+=2;??

????????fwrite(&m_pcmData,fpout);??

????????fread(&m_pcmData,108); list-style:decimal-leading-zero outside; color:inherit; line-height:18px; margin:0px!important; padding:0px 3px 0px 10px!important"> ????}????

????pcmHEADER.dwSize=44+pcmDATA.dwSize;??

????rewind(fpout);??

????fwrite(&pcmHEADER,fpout);??

????fseek(fpout,SEEK_CUR);??

????fwrite(&pcmDATA,108); list-style:decimal-leading-zero outside; color:inherit; line-height:18px; margin:0px!important; padding:0px 3px 0px 10px!important"> ??????

????fclose(fpout);??

copy

? simplest_pcm16le_to_wave("NocturneNo2inEflat_44.1k_s16le.pcm",44100,"output_nocturne.wav");??

WAVE文件是一种RIFF格式的文件。其基本块名称是“WAVE”，其中包含了两个子块“fmt”和“data”。从编程的角度简单说来就是由WAVE_HEADER、WAVE_FMT、WAVE_DATA、采样数据共4个部分组成。它的结构如下所示。

WAVE_HEADER

WAVE_FMT

WAVE_DATA

PCM数据

其中前3部分的结构如下所示。在写入WAVE文件头的时候给其中的每个字段赋上合适的值就可以了。但是有一点需要注意：WAVE_HEADER和WAVE_DATA中包含了一个文件长度信息的dwSize字段，该字段的值必须在写入完音频采样数据之后才能获得。因此这两个结构体最后才写入WAVE文件中。
copy

? struct?WAVE_HEADER{??

char?fccID[4];??

long?dwSize;??

char?fccType[4];??

}WAVE_HEADER;??

struct?WAVE_FMT{??

char??fccID[4];??

short?wFormatTag;??

short?wChannels;??

long?dwSamplesPerSec;??

long?dwAvgBytesPerSec;??

short?wBlockAlign;??

short?uiBitsPerSample;??

}WAVE_FMT;??

struct?WAVE_DATA{??

char???????fccID[4];??

long?dwSize;??

}WAVE_DATA;??

本程序的函数执行完成后，就可将NocturneNo2inEflat_44.1k_s16le.pcm文件封装成output_nocturne.wav文件。

下载

Simplest mediadata test
项目主页

SourceForge：https://sourceforge.net/projects/simplest-mediadata-test/

Github：https://github.com/leixiaohua1020/simplest_mediadata_test

开源中国： http://git.oschina.net/leixiaohua1020/simplest_mediadata_test

CSDN下载地址： http://download.csdn.net/detail/leixiaohua1020/9422409
本项目包含如下几种视音频数据解析示例：
?(1)像素数据处理程序。包含RGB和YUV像素格式处理的函数。
?(2)音频采样数据处理程序。包含PCM音频采样格式处理的函数。
?(3)H.264码流分析程序。可以分离并解析NALU。
?(4)AAC码流分析程序。可以分离并解析ADTS帧。
?(5)FLV封装格式分析程序。可以将FLV中的MP3音频码流分离出来。
?(6)UDP-RTP协议分析程序。可以将分析UDP/RTP/MPEG-TS数据包。

雷霄骅 (Lei Xiaohua)
leixiaohua1020@126.com
http://blog.csdn.net/leixiaohua1020

雷霄骅 (Lei Xiaohua) leixiaohua1020@126.com

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!