Wave文件格式主要是用来存储音频PCM数据的，其实也可以存储非PCM音频数据，这种情况我们就不考虑了。文件的扩展名为“.wav”，采用RIFF文件结构。
一、RIFF文件格式简介
1、RIFF文件是由一个一个的chunk组成的，并且chunk之间可以嵌套。使用小端存储。
2、chunk的基本结构如下：
struct chunk
{
char chunkId[4]; // 4个字符组成的chunk标识，少于4字符右补空格
U32 chunkSize; // 数据块的大小，字节
char data[chunkSize]
};
chunkId可以为"RIFF"、"LIST"、"fmt"、"data"...
3、当chunkId为"RIFF"或"LIST"(类型块)时，chunk的结构变形为下面这样：
struct chunk
{
char chunkId[4]; // 4字符组成的chunk标识，少于4字符右补空格
U32 chunkSize; // chunkType + data的数据大小，字节
char chunkType[4]; // chunk的类型，e.g. WAVE/AVI...
char data[chunkSize - 4]
};
二、Wave文件格式
1、Wave文件采用RIFF文件格式，当然也就遵循RIFF文件结构。总体来看Wave文件是由多个chunk嵌套组成的。
| 字段 | 长度(B) | 字段描述 | ||
| chunk1 | chunkId | 4 | 第一个chunk的标识始终是"RIFF" | |
| chunkSize | 4 | 该chunk的数据大小，包括chunkType | ||
| chunkType | 4 | 对于Wave文件chunk的类型为"WAVE" | ||
| data | chunk2 | chunkId | 4 | Wave文件的第二个chunk标识为"fmt" |
| chunkSize | 4 | 该chunk的数据大小 | ||
| data | wFormatTag | 2 | 音频数据格式，0x0001表示PCM数据 | |
| nChannels | 2 | 声道数 | ||
| nSamplesPerSec | 4 | 采样率，每秒采样次数 | ||
| nAvgBytesPerSec | 4 | 每秒的音频数据大小(B)，声道数*采样率*每个采样点的比特数/8 | ||
| nBlockAlign | 2 | 每个时刻的音频数据块大小(B)，声道数*每个采样点的比特数/8 | ||
| wBitsPerSample | 2 | 每个采样点(的幅值)用多少比特编码(8 or 16) | ||
| chunk3 | chunkId | 4 | Wave文件的第三个chunk的标识为"data" | |
| chunkSize | 4 | 该chunk的数据大小 | ||
| data | PCM数据 | chunkSize | PCM数据 |
从上表可以看出：
(1) Wave文件最外层是一个标识为"RIFF"的类型块chunk1
(2) 在chunk1的data部分嵌套了2个chunk，即chunk2和chunk3
(3) chunk2的标识为"fmt"，在它的data部分存储音频的一些相关属性
(4) chunk3的标识为"data"，在它的data部分存储具体的音频PCM数据
2、PCM数据存储格式
3、用二进制方式打开.wav文件 验证对Wave文件格式的理解
Windows 关机.wav
Wave测试文件我用的是C:\Windows\Media\Windows 关机.wav
二进制文本工具我用的是notepad++的Hex Editor插件，也可以用UltraEdit编辑器
为了方便描述，我把Wave文件的各个字段进行了编号1-14，依次对应上面表格中的各个字段
1： 0x 52 49 46 46，4字节，"RIFF"的ASCII码
对应chunk1的chunkId字段
2： 0x dc 95 02 00，4字节，由于RIFF文件格式采用小端存储，所以转换为人们熟悉的字节序(大端)为0x 00 02 95 dc，
再转换为十进制数为169436，表示chunk1的数据大小为169436字节。我们可以查看
Windows 关机.wav文件的大小为169444字节，由于chunkId和chunkSize已经占用8字节，
所以后面还有169436字节的数据。
对应chunk1的chunkSize字段
3： 0x 57 41 56 45，4字节，"WAVE"的ASCII码
对应chunk1的chunkType字段
4： 0x 66 6d 74 20，4字节，"fmt "的ASCII码，"fmt"不够4个字符，所以右边补空格。
对应chunk2的chunkId字段
5： 0x 10 00 00 00，4字节，同样是小端存储，转换为大端为0x 00 00 00 10即十进制的16，
表示chunk2的数据大小为16字节。从上面表格可知，wFormatTag、nChannels、
nSamplesPerSec、nAvgBytesPerSec、nBlockAlign、wBitsPerSample加起来刚好占16字节。
对应chunk2的chunkSize字段
6： 0x 01 00，2字节，转换为大端为0x 00 01，表示该Wave文件存储的是音频PCM数据。
对应chunk2的data部分的wFormatTag字段
7： 0x 02 00，2字节，转换为大端为0x 00 02即十进制的2，表示音频声道数为2即双声道。
对应chunk2的data部分的nChannels字段
8： 0x 44 ac 00 00，4字节，转换为大端为0x 00 00 ac 44即十进制的44100，表示音频采样率为44100Hz。
对应chunk2的data部分的nSamplesPerSec字段
9： 0x 10 b1 02 00，4字节，转换为大端为0x 00 02 b1 10即十进制的176400，
表示每秒的音频数据大小为176400B。用公式”声道数*采样率*每个采样点的比特数/8”
计算得到的刚好就是176400即2 * 44100 * 16 / 8 = 176400
对应chunk2的data部分的nAvgBytesPerSec
10： 0x 04 00，2字节，转换为大端为0x 00 04即十进制的4，表示每个时钟(有2个采样点)的音频数据有4B大小。
它的值等于”声道数*每个采样点的比特数/8”即2 * 16 / 8 = 4
对应chunk2的data部分的nBlockAlign字段
11： 0x 10 00，2字节，转换为大端为0x 00 10即十进制的16，表示每个采样值用16比特编码。
对应chunk2的data部分的wBitsPerSample字段
12： 0x 64 61 74 64，4字节，"data"的ASCII码
对应chunk3的chunkId字段
13： 0x b8 95 02 00，4字节，转换为大端为0x 00 02 95 b8即十进制的169400，
表示chunk3的data部分的数据大小即PCM音频数据的大小
对应chunk3的chunkSize字段
14： 音频PCM数据即chunk3的data