在音频采集和 DSP 测试中，WAV（Waveform Audio File Format） 常用来保存 PCM 数据和采样参数。最简单的 PCM WAV 可以使用 44 字节头，但实际文件还可能包含扩展格式或其他数据块，不能一律从第 44 字节开始读音频。
WAV 遵循微软与 IBM 制定的 RIFF（Resource Interchange File Format） 规范，常见形式采用小端字节序。下面以简单的 PCM WAV 为例，说明数据块和双声道排列。
1. RIFF 规范与 Chunk 模型
RIFF 是多种多媒体文件（如 .WAV、.AVI）通用的容器规范。RIFF 文件的基本组成单元是 Chunk（数据块）：
+──────────────────────────+──────────────────────────+──────────────────────────+
| 4 字节 Chunk ID (FourCC)| 4 字节 Chunk Size | Chunk Data (数据载荷) |
| (如 'RIFF', 'fmt ') | (不含 ID 和 Size 自身) | (若长度为奇数则补1字节0) |
+──────────────────────────+──────────────────────────+──────────────────────────+
- FourCC（四字符码）：4 字节 ASCII 标识符，不足 4 字符时在末尾补空格（例如 Format 块标志是
'f' 'm' 't' ' '）； - 小端字节序：整型数值（如采样率、文件大小、位深）均为 Little-Endian（低位字节在前）；
- Container Chunk：当 ID 为
'RIFF'或'LIST'时，该 Chunk 可以嵌套包含其他子 Chunk（Subchunk）。
2. 标准 44 字节 WAV 文件结构
典型的 PCM WAV 文件由 RIFF Header Chunk、Format Subchunk (fmt ) 与 Data Subchunk (data) 顺序拼接而成：
+─────────────────────────+──────────────────────────+─────────────────────────+
| RIFF Chunk Header | Format Subchunk (fmt ) | Data Subchunk (data) |
| [ 'RIFF' | Size |'WAVE']| [ 'fmt ' | 16 | 参数... ]| [ 'data' | Size | PCM..]|
| (12 字节) | (24 字节) | (8 字节头 + PCM 载荷) |
+─────────────────────────+──────────────────────────+─────────────────────────+
graph TD
RIFF[RIFF Chunk Header 12B] --> ID1[ChunkID: 'RIFF']
RIFF --> S1[ChunkSize: FileSize - 8]
RIFF --> F1[Format: 'WAVE']
RIFF --> FMT[Format Subchunk 24B]
FMT --> ID2[Subchunk1ID: 'fmt ']
FMT --> S2[Subchunk1Size: 16 用于 PCM]
FMT --> AudioFormat[AudioFormat: 1 为线性 PCM]
FMT --> Channels[NumChannels: 1单声道 / 2双声道]
FMT --> SampleRate[SampleRate: 采样率 如 44100]
FMT --> ByteRate[ByteRate: 字节率 = 采样率*位深*声道/8]
FMT --> BlockAlign[BlockAlign: 块对齐 = 声道数*位深/8]
FMT --> BitsPerSample[BitsPerSample: 位深 8/16/24/32]
RIFF --> DATA[Data Subchunk]
DATA --> ID3[Subchunk2ID: 'data']
DATA --> S3[Subchunk2Size: 纯 PCM 字节数]
DATA --> PCMData[PCM Raw Audio Samples 数据载荷]
3. C 语言结构体定义与文件读写
下面用结构体展示常见 44 字节 PCM WAV 头的字段。示例通过 #pragma pack(1) 避免结构体填充；通用解析器仍应逐个读取 Chunk，并显式处理小端字节序。
#include <stdint.h>
#include <stdio.h>
#pragma pack(push, 1)
typedef struct {
// 1. RIFF Chunk Header (12 字节)
uint8_t chunk_id[4]; // 固定为 "RIFF" (0x52, 0x49, 0x46, 0x46)
uint32_t chunk_size; // 整个文件大小 - 8 字节
uint8_t format[4]; // 固定为 "WAVE" (0x57, 0x41, 0x56, 0x45)
// 2. "fmt " Format Subchunk (24 字节)
uint8_t subchunk1_id[4]; // 固定为 "fmt " (0x66, 0x6D, 0x74, 0x20)
uint32_t subchunk1_size; // 对于线性 PCM，固定为 16 (0x10)
uint16_t audio_format; // 1 代表未压缩 PCM，3 代表 IEEE 浮点
uint16_t num_channels; // 声道数: 1=Mono, 2=Stereo
uint32_t sample_rate; // 采样率: 8000, 16000, 44100, 48000 等
uint32_t byte_rate; // 每秒字节数 = sample_rate * num_channels * (bits_per_sample / 8)
uint16_t block_align; // 块对齐 = num_channels * (bits_per_sample / 8)
uint16_t bits_per_sample; // 每个样点的量化位数: 8, 16, 24, 32
// 3. "data" Data Subchunk (8 字节头)
uint8_t subchunk2_id[4]; // 固定为 "data" (0x64, 0x61, 0x74, 0x61)
uint32_t subchunk2_size; // 纯 PCM 数据载荷的总字节数
} wav_header_t;
#pragma pack(pop)
4. PCM 裸数据的双声道交错排列 (Interleaved)
在 Data 载荷中，PCM 样点按时间轴顺序紧密排列。
4.1 16-bit 双声道立体声排列
每个样点占用 2 字节（int16_t，小端：低位字节在前），左右声道交替出现：
[ Sample 0: 左声道 L0 (2B) ][ Sample 0: 右声道 R0 (2B) ] ──> 组成 1 个 BlockAlign (4 字节)
[ Sample 1: 左声道 L1 (2B) ][ Sample 1: 右声道 R1 (2B) ]
...
- 分离左/右声道：
若需单独分析左声道，只需步长为 4 字节提取
offset = 0, 4, 8 ...的 2 字节整数；右声道提取offset = 2, 6, 10 ...。
5. 总结
读取 WAV 时应按 Chunk ID 和长度找到 fmt 与 data，再根据位深、声道数和 BlockAlign 解释载荷。44 字节头适合说明最简单的布局，不能代替对真实文件数据块的解析。
