第四章（音频数据处理程序设计）

音频数据处理程序设计

Media Session（媒体会话）：管理媒体数据、实现播放、暂停操作。

WAVE文件由4个块组成：

1. RIFF WAVE Chunk

2. Format Chunk

3. Fact Chunk（可选）$\longrightarrow$一般当wav文件由某些软件转化而成时，则需要包含该Chunk

4. Data Chunk

   • 双声道的采样数要加倍
   • 小端序：低位字节存在地址空间中的低位（比如：Ox0782中的低位字节82存储在地址空间中的低位）
   • 大端序：低位字节存在地址空间中的高位

1. ID都是4个字节，比如ID='fmt '中fmt之后还有一个空字符（用“四字符码”作块ID，是RIFF文件的重要特点）

WAVE文件的地址空间

将10进制转换为16进制来存储到地址空间中。

1. 每个块的ID和RIFF块的Type（WAVE）的端序是大端存储，其他都是小端存储

2. 16进制存储

音频播放与编程接口

方法1：使用PlaySound函数播放音频文件

方法2：使用MCI（Multimedia Control Interface）函数

方法3：基于DirectShow开发包的应用程序

方法4：基于Media Foundation开发包的应用程序

基于MF Media Session的音频

播放音频文件

利用 Media Session播放音频文件的基础过程如下：

1. 调用MFStartup函数进行Media Foundation platform的初始化；

2. 调用MFCreateMediaSession函数创建一个Media Session对象实例；

3. 利用Source Resolver创建媒体源。

4. 创建Topology，并将媒体源节点与SAR节点连接起来。实际上，应用程序在这里只需要创建一个Partial Topology（部分拓扑），然后将媒体源与输出节点SAR连接，这时，Partial Topology能够自动在两者之间插入必要的解码器，这体现出Media Foundation的智能性；

5. 调用IMFMediaSession::SetTopology将Topology设置到Media Session；

6. 使用IMFMediaEventGenerator接口从Media Session取得事件；

7. 调用IMFMediaSession::Start启动播放。之后，可以调用IMFMediaSession::Pause、IMFMediaSession::Stop暂停、停止播放。

8. 退出应用程序时，需调用IMFMediaSession::Close关闭Media Session。该方法是异步的，因此，当调用完毕，Media Session发送MESessionClosed事件，并能够安全处理后面的操作。

如果需要对3个音频文件进行（同时）播放则需要创建3个媒体会话。

基于MF的音频转码程序设计

程序模块结构设计

采用的是数据源模式（MF架构之一）：

相关函数分析

1、WriteWaveFile函数

WriteWaveFile(IMFSourceReader*, HANDLE, LONG)函数

• 调用ConfigureAudioStream(IMFSourceReader*, IMFMediaType **）函数，从输入源文件中挑选出音频流，然后设置目标音频的格式，从而告知源阅读器调用相应的解码器；

• 调用WriteWaveHeader(hFile, pAudioType, &cbHeader）函数，将任意输入的音频文件中的数据流或多媒体文件中的音频流，转码成未压缩的PCM格式的Wave文件；

• 调用CalculateMaxAudioDataSize(pAudioType, cbHeader, msecAudioData）函数，计算准备写入到输出文件中的音频片断的最大数据量；

• 调用WriteWaveData(hFile, pReader, cbMaxAudioData, &cbAudioData）函数，写入音频数据；

• 调用FixUpChunkSizes(hFile, cbHeader, cbAudioData）函数，对输出文件进行数据补充；

2、CalculateMaxAudioDataSize函数

• 计算原理：

  • 

3、ConfigureAudioStream函数

ConfigureAudioStream(IMFSourceReader*, IMFMediaType**)函数

4、WriteWaveHeader函数

• 定义了一个WAVEFORMATEX的结构指针pWav：

  • WAVEFORMATEX的结构：

  //WAVEFORMATEX结构
  typedef struct { 
  WORD wFormatTag; 		//格式标识
  WORD nChannels; 		//声道数
  DWORD nSamplesPerSec; 	//采样频率
  DWORD nAvgBytesPerSec; 	//数据率
  WORD nBlockAlign; 		//样本对齐单位
  WORD wBitsPerSample; 	//样本的量化深度
  WORD cbSize; 			//附加数据:存储非PCM格式音频的补充信息，如果没有附加信息，该数据需要置为0
  } WAVEFORMATEX

5、WriteWaveData函数

6、FixUpChunkSizes函数

7、WriteToFile函数

7个函数的作用：

1. 调用WriteWaveFile(IMFSourceReader*, HANDLE, LONG)函数，建立在其它含有实际动作的函数基础之上的控制性模块；

2. 调用ConfigureAudioStream(IMFSourceReader*, IMFMediaType **）函数，从输入源文件中挑选出音频流，然后设置目标音频的格式，从而告知源阅读器调用相应的解码器；

3. 调用WriteWaveHeader(hFile, pAudioType, &cbHeader）函数，将任意输入的音频文件中的数据流或多媒体文件中的音频流，转码成未压缩的PCM格式的Wave文件；

4. 调用CalculateMaxAudioDataSize(pAudioType, cbHeader, msecAudioData）函数，计算准备写入到输出文件中的音频片断的最大数据量；

5. 调用WriteWaveData(hFile, pReader, cbMaxAudioData, &cbAudioData）函数，写入音频数据；

6. 调用FixUpChunkSizes(hFile, cbHeader, cbAudioData）函数，对输出文件进行数据补充；

7. 调用WriteToFile函数，完成数据的最后输出。