GSM音频编码的优化和写入wav文件

GSM是voip中较为常见的一种编码，压缩率比很高，写到wav文件每秒只占用1.6k字节（接近于g729），是普通g711格式的五分之一，对录音来说可节省大量磁盘空间。生成的wav文件，可能是不牵涉到专利的原因，在各种操作系统下都能够播放。

1、使用IPP的codec

GSM的编解码通常使用开源C代码，入口文件是gsm_encode.c和gsm_decode.c，能用，但不够优化。

我使用Intel公司著名的IPP库，这个库经过高度优化，cpu占用很小。

实际使用中发现用IPP进行encode后rtp发给对方，对方软电话无声，解不出来。经过跟踪，IPP编码出来的33个字节，第1个字节的前半个字节为0，应该为gsm“魔术字”：0xd，加上这么几句即可：

IppEncode(... ..., outRawBuff);

unsigned char ch = outRawBuff[0];

ch = ch | 0xd0;

outRawBuff[0] = ch;

2、写wav文件头

关于gsm格式的wav文件格式，网上的文章很少，大多语焉不详。

其实掌握要这2个要点就好：

首先，voip一般都是单声道，8000采样率，这个是基本。

然后，GSM encode后的一帧数据是32.5个字节，wav文件当然不能存储半个字节，所以2帧组成一个数据块，即65字节，剩下的都是枝节了：

... ...
	WAVEFORMATEX m_wfExt;
	int fmtLen = 20;  // fmt块长20字节
	memcpy(FileHeader.dwRiff, "RIFF", 4);
	memcpy(FileHeader.dwWave, "WAVE", 4);
	memcpy(FileHeader.dwFormat, "fmt ", 4);
	FileHeader.dwFormatLength = fmtLen;  // 20
	FileHeader.dwFileSize = contentLen + 20 + fmtLen;
	wavFp.write((char*)&FileHeader, 20);

	m_wfExt.nChannels = 1;  // 单声道
	m_wfExt.nSamplesPerSec = 8000;  // 采样率
	m_wfExt.wFormatTag = WAVE_FORMAT_GSM610;
	m_wfExt.wBitsPerSample = 0;  // 每个采样的位数，gsm编码显然无法凑成整数，所以填0
	m_wfExt.nBlockAlign = 65;  // 块对齐，即一个块的字节数：1个块就是2数据帧65字节
	m_wfExt.nAvgBytesPerSec = 1625; // 评价每秒的字节数，1秒有50个采样周期，2个采样周期为65字节，所以65*25=1625字节
	m_wfExt.cbSize = 2;  // 扩展字段长度，即占2个字节
	WORD wSamplesPerBlock = 320;  // 扩展字段：每个块的采样数，对于GSM来说两帧数据为1块，所以此处填320，即160x2

	char fmtBuff[300];
	memset(fmtBuff, 0, 300);
	memcpy(fmtBuff, &m_wfExt, 18);
	memcpy(fmtBuff + 18, &wSamplesPerBlock, 2);

	wavFp.write(fmtBuff, fmtLen);  // 写入fmt块
           

3、数据如何写入wav文件？

上面说了，用gsm codec编码或rtp收取到的一帧gsm数据是33字节，有效数据为32.5字节，第一个字节的前4位是没什么用的GSM“魔术字”0xd，但如何将两帧数据合并成65字节的块呢？

最容易想到的办法是将第一帧数据全部前移4bit，剩下半个字节，填充到下一帧的第一个字节，经试验证明不行，播放出来是噪音，后来读gsm源代码，才发现wav文件存储的字节高低位和普通我们认知的高低位是相反的。1个字节8位，按顺序0-7位，我们平常认为最左边是0bit，最右边是7bit，但wav存储的相反，最左边是最高位7bit，最右边是最低位0bit。

要把颠倒了的顺序重新颠倒过来，甚为复杂，此处就不贴代码了，详细可参考gsm的开源代码。