WAV文件是微軟公司開發的一種聲音文件格式，大部分的WAV文件中的音頻數據是直接通過PCM（Pulse Code Modulation）脈衝編碼調製得到的樣本數據，由於未被壓縮或壓縮比很小所以其質量較高，但同時數據量也很大。在數字領域，存儲音頻文件的最直接方式就是在滿足奈奎斯特抽樣定理的條件下，將模擬的音頻文件進行抽樣量化，將得到的一系列樣本值以二進制形式存儲在文件中，這就是PCM脈衝編碼調製的大致步驟。儘管大部分的WAV文件存儲的都是未經壓縮的，但它也支持一些音頻壓縮方法。
那麼如何將模擬的音頻變成存儲在電腦中的二進制數據呢？首先是選定抽樣頻率，對模擬音頻進行抽樣使得其在時間域是離散的，再將抽樣值進行量化。WAV文件對每個抽樣值的量化比特數沒有具體規定，但固定在存儲時每個樣本值由整數個字節來表示，因此每個樣本值的比特數均應該爲8bit的整數倍如8bit、16bit、24bit、32bit等。當某個樣本值的比特數不是8bit的整數倍時，則需要將其左移並再低位填充0使其變成8bit的整數倍。例如某個抽樣量化後的樣本值爲1011000101，則存儲時需要將其補0爲10110001 01000000，再採用小端序（先存低字節，再存高字節，默認存儲方式）的方式進行存儲，最終該樣值被存爲B1 40。一個需要注意的小細節是在 WAV文件中，8bit的是unsigned 類型的無符號數據，但16bit或更高的量化級的都是signed 類型的有符號數。
將模擬音頻轉化爲二進制的數據後，要想將其存儲在電腦中需要考慮其數據組織的形式，這樣在後續對文件進行操作時會更加方便。WAV文件是一種基於RIFF規範的音頻文件格式。RIFF（Resource Interchange File Format）是一種自包含的文件組織格式，它的基本單位是Chunk，一個基於RIFF規範的文件是由若干個Chunk組成的。
Chunk:
1.基本格式：
struct chunk
{
u32 chunk_id; /* 塊標誌 */
u32 chunk_size; /* 塊大小*/
u8 data[chunk_size]; /* 塊內容*/
};
chunk_id是一個4字節的ASCII標識符，用來標識該Chunk中的數據，不足四字節的再末尾用空位佔位。可以有：'RIFF','LIST','fmt ','data','WAV ','AVI '等，採用小端序。
chunk_size也是四字節，存儲的是data中的數據長度(以字節爲單位)，不包括chunk_id和chunk_size本身所佔的內存單元。
data[chunk_size]：該Chunk中的數據，必須爲偶數個字節，若長度爲奇數則在最後添一個空字節。
2.各種子類：
Chunk有多種子類，其中兩種類型爲“RIFF”和“LIST”的兩種Chunk可以包含其他塊，其他的Chunk則只能有數據。
“RIFF”/“LIST”子類格式如下：
struct chunk
{
u32 chunk_ id; /* 塊標誌 */
u32 chunk_size; /* 塊大小 ，由於此時的data部分分爲type和restdata兩部分，所以chunk_size應該爲type和restdata數據長度之和*/
u32 type; /* 類型 */
u8 restdata[chunk_size-4] /* data中除了type4個字節後的數據，可以有包含的其他Chunk的數據 */
};
WAV文件格式：
一個WAV文件就是一個RIFF文件。其組成方式爲：一個RIFF Chunk，其type爲“WAVE”，其restdata部分包含了兩個Chunk分別爲“fmt” Chunk和“data” Chunk。
其詳細的結構如下：
ChunkID：四字節，“RIFF”（ASCII字符）；
ChunkSize：四字節，表示該WAV文件除去ChunkID和ChunkSize之外的所有數據長度的總和，等於Format長度+SubChunk1長度（綠色部分）+Subchunk2長度（橙色部分），即4+（4+4+Subchunk Size）+（4+4+Subchunk2 Size）=4+24+（8+Subchunk2 Size）=36+Subchunk2 Size，由於只能用4字節來表示文件的大小，因此WAV文件限制在4GB內（有的程序限制其大小爲2GB）；
Format：四字節，，表示該RIFF文件的類型，此處爲：“WAVE”（ASCII字符）；
Subchunk1ID：四字節，“fmt ”(注意末尾有一個空格佔位，因爲一個Chunk的ID必須爲四位的ASCII字符)；
Subchunk1Size：四字節，“fmt”chunk除去Subchunk1ID和Subchunk1Size之外的所有數據長度之和，爲2+2+4+4+2+2=16；
AudioFormat：兩字節，表示音頻數據的編碼方式，PCM=1，若不爲1則表示其他的數據編碼方式，其值所代表的詳細編碼方式可以見文章末尾；
NumChannels：兩字節，表示聲道數，Mono = 1,Stereo = 2等
SampleRate：四字節，採樣率，常見的採樣率有8000,44100等（單位爲Hz）；
ByteRate：四字節，表示一秒鐘內的音頻信號數據需要多少個字節來存儲，爲SampleRate* NumChannels * BitsPerSample/8
BlockAlign：兩字節，表示每一時刻的音頻信號的抽樣值需要幾個字節來表示，爲NumChannels* BitsPerSample/8
BitsPerSample：兩字節，表示量化比特數，8bits = 8, 16 bits = 16等；
（若該音頻文件不是PCM 編碼，則其fmt chunk後還會有一些其他的參數）
Subchunk2 ID：四字節，“data”（ASCII字符）；
Subchunk2 Size：四字節，data部分數據的長度，若爲奇數則在末尾添加空字節使得長度爲偶數；
Data：Subchunk2Size個字節，實際的聲音數據。
下面是舉例說明一個WAV文件中的數據（只列舉了文件的前72字節）：
其顏色與上面的結構圖相對應。由圖可知該WAV文件是雙聲道、16bit量化的，因此某一時刻的樣本值由四字節來表示。文件的音頻信號樣值若爲多聲道，其值是交叉排列的，例如雙聲道爲：左聲道樣值、右聲道樣值、左聲道樣值、右聲道樣值……如此排列，多聲道同理。
由Audio Format這個參數的值，可以得知WAV文件中音頻數據的編碼方式，下列是目前WAV文件支持的編碼方式：
Code Description
0 (0x0000) Unknown
1 (0x0001) PCM/uncompressed
2 (0x0002) Microsoft ADPCM
6 (0x0006) ITU G.711 a-law
7 (0x0007) ITU G.711 µ-law
17 (0x0011) IMA ADPCM
20 (0x0016) ITU G.723 ADPCM (Yamaha)
49 (0x0031) GSM 6.10
64 (0x0040) ITU G.721 ADPCM
80 (0x0050) MPEG
65,536 (0xFFFF) Experimental
本文參考網址：
http://www.codeguru.com/cpp/g-m/multimedia/audio/article.php/c8935/PCM-Audio-and-Wave-Files.htm
http://soundfile.sapp.org/doc/WaveFormat/