一、概述： 　　本文叙述了如何通过IMA-ADPCM压缩和解压缩算法来完成从IMA-ADPCM文件转换为PCM文件的过程。主要包括的内容有：PCM和IMA-ADPCM　WAVE文件内部结构的介绍，IMA-ADPCM压缩与解压缩算法，以及如何生成特有的音频压缩格式文件等三方面的内容。

二、WAVE文件的认识 　　WAVE文件是计算机领域最常用的数字化声音文件格式之一，它是微软专门为Windows系统定义的波形文件格式（Waveform Audio），由于其扩展名为"*.wav"。 wave文件有很多不同的压缩格式，而且现在一些程序生成的wave文件都或多或少地含有一些错误。这些错误的产生不是因为单个数据压缩和解压缩算法的问题，而是因为在压缩和解压缩后没有正确地组织好文件的内部结构。所以，正确而详细地了解各种WAVE文件的内部结构是成功完成压缩和解压缩的基础，也是生成特有音频压缩格式文件的前提。 最基本的WAVE文件是PCM（脉冲编码调制）格式的，这种文件直接存储采样的声音数据没有经过任何的压缩，是声卡直接支持的数据格式，要让声卡正确播放其它被压缩的声音数据，就应该先把压缩的数据解压缩成PCM格式，然后再让声卡来播放。

1.Wave文件的内部结构 WAVE文件是以RIFF(Resource Interchange File Format,"资源交互文件格式")格式来组织内部结构的。RIFF文件结构可以看作是树状结构，其基本构成是称为"块"（Chunk）的单元，最顶端是一个“RIFF”块，下面的每个块有“类型块标识(可选)”、“标志符”、“数据大小”及“数据”等项所组成，块的结构如表1所示：

上面说到的“类型块标识”只在部分chunk中用到，如“WAVE”chunk中，这时表示下面嵌套有别的chunk，当使用了“类型块标识”时，该chunk就没有别的项（如块标志符，数据大小等），它只作为文件读取时的一个标识。先找到这个“类型块标识”，再以它为起来读取它下面嵌套的其它chunk。 每个文件最前端写入的是RIFF块，每个文件只有一个RIFF块。从表2中可以看出它的结构：

非PCM格式的文件会至少多加入一个“fact”块，它用来记录数据解压缩后的大小。（注意是数据而不是文件）这个“fact”块一般加在“data”块的前面。

２．WAVEFORMAT结构的认识

PCM和非PCM的主要区别是声音数据的组织不同，这些区别可以通过两者的WAVEFORMAT结构来区分。下面以PCM和IMA-ADPCM来进行对比：

WAVE的基本结构WAVEFORMATEX结构定义如下：

typedef struct

{

WORD wFormatag;  //编码格式，包括WAVE_FORMAT_PCM，//WAVEFORMAT_ADPCM等

WORD  nChannls;       //声道数，单声道为1，双声道为2;

DWORD nSamplesPerSec;//采样频率；

DWORD nAvgBytesperSec；//每秒的数据量；

WORD  nBlockAlign;//块对齐；

WORD  wBitsPerSample;//WAVE文件的采样大小；

WORD  sbSize;        //PCM中忽略此值

}WAVEFORMATEX；

PCM的结构就是基本结构；

IMAADPCMWAVEFORMAT结构定义如下：

Typedef struct

{

WAVEFORMATEX wfmt;

WORD nSamplesPerBlock;

}IMAADPCMWAVEFORMAT;

IMA-ADPCM的wfmt->cbsize不能忽略，一般取值为2，表示此类型的WAVEFORMAT比一般的WAVEFORMAT多出2个字节。这两个字符也就是nSamplesPerBlock。

3.“fact”chunk的内部组织

在非PCM格式的文件中,一般会在WAVEFORMAT结构后面加入一个“fact”chunk,结构如下：

typedef struct{

char[4];          //“fact”字符串

DWORD chunksize;

DWORD datafactsize;    //数据转换为PCM格式后的大小。

}factchunk; 

datafactsize是这个chunk中最重要的数据，如果这是某种压缩格式的声音文件，那么从这里就可以知道他解压缩后的大小。对于解压时的计算会有很大的好处！

4．“data”chunk的内部组织

从“data”chunk的第9个字节开始，存储的就是声音信息的数据了，(前八个字节存储的是标志符“data”和后接数据大小size(DWORD)。这些数据可能是压缩的，也可能是没有压缩的。

PCM中的声音数据没有被压缩，如果是单声道的文件，采样数据按时间的先后顺序依次存入。（它的基本组织单位是BYTE(8bit)或WORD(16bit)）如果是双声道的文件，采样数据按时间先后顺序交叉地存入。如图所示:

IMA-ADPCM是压缩格式，它是从PCM的16位采样压缩成4位的。对于单声道的IMA-ADPCM来说，它是将PCM的数据按时间次序依次压缩并写入文件中的，每个byte中含两个采样，低四位对应第一个采样，高四位对应第二个采样。而对于双声道的IMA-ADPCM来说，它的存储相对就麻烦一些了，它是将PCM的左声道的前8个采样依次压缩并写入到一个DWORD中，然后写入“data”chunk里。紧接着是右声道的前8个采样。以此循环，当采样数不足8时（到数据尾端），应该把多出来的采样用0填充。其示意图如下：

特别注意：

在IMA-ADPCM中，“data”chuck中的数据是以block形式来组织的，我把它叫做“段”，也就是说在进行压缩时，并不是依次把所有的数据进行压缩保存，而是分段进行的，这样有一个十分重要的好处：那就是在只需要文件中的某一段信息时，可以在解压缩时可以只解所需数据所在的段就行了，没有必要再从文件开始起一个一个地解压缩。这对于处理大文件将有相当的优势。同时，这样也可以保证声音效果。

Block一般是由block header (block头) 和data 两者组成的。其中block header是一个结构，它在单声道下的定义如下：

Typedef struct

{

short  sample0;    //block中第一个采样值（未压缩）

BYTE  index;     //上一个block最后一个index，第一个block的index=0;

BYTE  reserved;   //尚未使用

}MonoBlockHeader;

有了blockheader的信息后，就可以不需要知道这个block前面和后面的数据而轻松地解出本block中的压缩数据。对于双声道，它的blockheader应该包含两个MonoBlockHeader其定义如下：

typedaf struct

{

MonoBlockHeader leftbher;

MonoBlockHeader rightbher;

}StereoBlockHeader;

在解压缩时，左右声道是分开处理的，所以必须有两个MonoBlockHeader;

注1：上述的index是解压缩算法中必须用到的一个参数。详见后面。

注2: 关于block的大小,通常会有以下几种情况:

对于单声道,大小一般为512byte,显然这里面可以保存的sample个数为(512-sizeof(MonoBlockHeader))/4 + 1 = 1017个

diff=-diff;

fg=8; 

}  

else fg=0;                          // fg 保存的是符号位

code = 4*diff / steptab[index]; 

if (code>7) code=7;                 // 根据steptab[] 得到一个0~7 的值，它描述了采样振幅的变化量

index+=index_adjust[code];          // 根据声音强度调整下次取steptab 的序号，便于下次得到更精确的变化量的描述

if (index88) index=88;

prev_sample=cur_sample;

SaveComCode(code|fg);                 // 加上符号位保存起来

}

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

IMA-ADPCM 解压缩过程

解压缩实际是压缩的一个逆过程,假设写好了以下两个函数：

GetNextCode() ——得到一个编码（4bit）

OutputSamp() ——将解码出来的声音信号保存起来（16bit）. 

int index=0,cur_sample=0;

while (还有数据要处理) {

code=GetNextCode();           // 得到下一个压缩样品Code 4bit

if ((code & 8) != 0) fg=1 else fg=0;

code&=7;                      // 将code 分离为数据和符号

diff = (steptab[index]*code) /4 + steptab[index] / 8;   // 后面加的一项是为了减少误差

if (fg==1) diff=-diff;

cur_sample+=diff;            // 计算出当前的波形数据

if (cur_sample>32767) OutputSamp(32767);

else if (cur_sample