解交织 PCM (*.wav) 立体声音频数据

Posted 2023-03-14

【中文标题】解交织 PCM (*.wav) 立体声音频数据

【英文标题】：Deinterleaving PCM (*.wav) stereo audio data

【发布时间】：2014-08-07 13:37:01

【问题描述】：

我了解 PCM 数据存储为 [left][right][left][right]...。我正在尝试将立体声 PCM 转换为单声道 Vorbis (*.ogg)，据我所知，这可以通过将左右声道减半 ((left+right)*0.5) 来实现。我实际上是通过像这样修改 libvorbis sdk 中的编码器示例来实现的，

#define READ 1024
signed char readbuffer[READ*4];

这样就读取了 PCM 数据

fread(readbuffer, 1, READ*4, stdin)

然后我将两个通道减半，

buffer[0][i] = ((((readbuffer[i*4+1]<<8) | (0x00ff&(int)readbuffer[i*4]))/32768.f) + (((readbuffer[i*4+3]<<8) | (0x00ff&(int)readbuffer[i*4+2]))/32768.f)) * 0.5f;

它工作得很好，但是，我不明白他们如何从 PCM 数据中解交织左右声道（即所有的位移和“ANDing”和“ORing”）。

【问题讨论】：

readbuffer是如何声明的？

#define READ 1024 signed char readbuffer[READ*4];

【参考方案1】：

.wav 文件通常以 little endian 格式存储其 PCM 数据，每个通道每个样本 16 位。对于通常有符号的 16 位 PCM 文件，这意味着数据物理存储为

[LEFT LSB] [LEFT MSB] [RIGHT LSB] [RIGHT MSB] ...

这样每组 4 个字节组成一个立体声 PCM 样本。因此，您可以通过查看字节 4*i 到 4*i+3，找到示例 i。

要从两个字节解码单个 16 位值，请执行以下操作：

(MSB << 8) | LSB

由于您的读取缓冲区值存储为 有符号 字符，因此您必须小心，因为 MSB 和 LSB 都将进行符号扩展。这对于 LSB 来说是不可取的；因此，代码使用

0xff & (int)LSB

获取低字节的无符号版本（从技术上讲，这是通过向上转换为 int 并选择低 8 位来实现的；另一种表述是只写 (uint8_t)LSB）。

请注意，MSB 位于索引 1 和 3，而 LSB 位于索引 0 和 2。所以，

((readbuffer[i*4+1]<<8) | (0x00ff&(int)readbuffer[i*4]))

和

((readbuffer[i*4+3]<<8) | (0x00ff&(int)readbuffer[i*4+2]))

只是通过使用一些位操作将字节组装成数字，将左右通道的值作为 16 位有符号值。

然后，这些值中的每一个都除以 32768.0。请注意，带符号的 16 位值的范围为 [-32768, 32767]。因此，除以 32768 得出的范围约为 [-1, 1]。将两个相加得到一个 [-2, 2] 范围内的数字，然后将整个乘以 0.5 得到平均值（一个 [-1, 1] 范围内的浮点值）。

【讨论】：

感谢您的回复，现在我完全理解了，但另一个问题突然出现在我的脑海中。如果 PCM 是每个通道每个样本 8 位，这是否意味着每 2 个字节构成一个单通道立体声样本？如果是这样，如何从 1 字节中获取单个 16 位值（填充将如何）

@Osofem - 你的第一个问题是。至于第二个问题，上下文是什么？您是否尝试将一些 8 位 PCM 输入数据保存为 WAV 格式（16 位）？如果是这样，您有两个选择：保存为 8 位 WAV 或将 8 位拉伸为 16 位。无论哪种方式，请作为单独的问题发布。