实战：音频波形生成（WAV格式+正弦波合成）

音频处理，听起来挺高大上对吧？其实说白了，就是跟一堆数字打交道。你想想看，计算机里哪有什么声音，只有0和1。我们今天要做的，就是把这些数字变成耳朵能听懂的波形。

我个人习惯把这类问题拆成三步：搞懂格式 → 生成数据 → 写入文件。WAV格式虽然老，但胜在简单，特别适合用来理解音频的底层原理。

WAV文件结构速览

WAV文件本质上就是一个带头的二进制块。我刚开始学的时候，总觉得这玩意儿很神秘，后来发现其实就是几个固定字段拼在一起。

嗯，这里要注意："fmt "后面那个空格不是笔误，WAV规范就是这么写的。我曾经因为这个空格没写对，折腾了整整一个下午，最后发现是字符串长度问题。

正弦波合成的数学原理

正弦波公式很简单：y(t) = A * sin(2π * f * t)。其中A是振幅，f是频率，t是时间。

但在数字世界里，时间t不是连续的，而是离散的采样点。假设采样率是44100Hz，那么每秒钟就有44100个点。第n个采样点对应的时间就是 t = n / 采样率。

所以代码里实际用的是：sample[n] = A * sin(2π * f * n / 采样率)。

代码实现：从零写出WAV文件

下面这段代码，我建议你一行一行看。它完整地演示了如何生成一个440Hz的正弦波，并保存为16位单声道WAV文件。

#include <iostream>
#include <fstream>
#include <vector>
#include <cmath>
#include <cstdint>

// WAV文件头结构
struct WAVHeader {
    char     riff[4] = {'R', 'I', 'F', 'F'};
    uint32_t fileSize;
    char     wave[4] = {'W', 'A', 'V', 'E'};
    char     fmt[4]  = {'f', 'm', 't', ' '};
    uint32_t fmtSize = 16;
    uint16_t audioFormat = 1;   // PCM
    uint16_t numChannels = 1;   // 单声道
    uint32_t sampleRate = 44100;
    uint32_t byteRate;
    uint16_t blockAlign;
    uint16_t bitsPerSample = 16;
    char     data[4] = {'d', 'a', 't', 'a'};
    uint32_t dataSize;
};

void generateSineWave(const std::string& filename,
                      double frequency,
                      double duration,
                      uint32_t sampleRate = 44100,
                      uint16_t bitsPerSample = 16) {
    // 计算总采样数
    uint32_t numSamples = static_cast<uint32_t>(sampleRate * duration);
    uint32_t dataSize = numSamples * (bitsPerSample / 8);

    // 准备WAV头
    WAVHeader header;
    header.byteRate = sampleRate * header.numChannels * (bitsPerSample / 8);
    header.blockAlign = header.numChannels * (bitsPerSample / 8);
    header.dataSize = dataSize;
    header.fileSize = 36 + dataSize;  // 整个文件减去前8字节

    // 生成采样数据
    std::vector<int16_t> samples(numSamples);
    double amplitude = 30000;  // 避免削波，留点余量
    double twoPiF = 2.0 * M_PI * frequency;

    for (uint32_t i = 0; i < numSamples; ++i) {
        double t = static_cast<double>(i) / sampleRate;
        samples[i] = static_cast<int16_t>(amplitude * sin(twoPiF * t));
    }

    // 写入文件
    std::ofstream outFile(filename, std::ios::binary);
    if (!outFile) {
        std::cerr << "无法打开文件: " << filename << std::endl;
        return;
    }

    outFile.write(reinterpret_cast<const char*>(&header), sizeof(header));
    outFile.write(reinterpret_cast<const char*>(samples.data()), dataSize);
    outFile.close();

    std::cout << "生成成功: " << filename << std::endl;
    std::cout << "采样数: " << numSamples << std::endl;
    std::cout << "时长: " << duration << " 秒" << std::endl;
}

int main() {
    // 生成440Hz标准音，持续2秒
    generateSineWave("output.wav", 440.0, 2.0);
    return 0;
}

多频率叠加：生成更丰富的音色

单一正弦波听起来很单调，就像老式电话的拨号音。实际乐器发出的声音，都是基频加上一系列泛音。我们可以把多个频率的正弦波叠加起来，模拟出更复杂的音色。

// 生成带泛音的正弦波
std::vector<int16_t> generateHarmonic(double frequency,
                                       uint32_t numSamples,
                                       uint32_t sampleRate) {
    std::vector<int16_t> samples(numSamples, 0);
    double baseAmplitude = 20000;

    // 基频 + 前4个泛音
    double harmonics[] = {1.0, 2.0, 3.0, 4.0, 5.0};
    double amplitudes[] = {1.0, 0.5, 0.3, 0.2, 0.1};

    for (int h = 0; h < 5; ++h) {
        double freq = frequency * harmonics[h];
        double amp = baseAmplitude * amplitudes[h];
        double twoPiF = 2.0 * M_PI * freq;

        for (uint32_t i = 0; i < numSamples; ++i) {
            double t = static_cast<double>(i) / sampleRate;
            samples[i] += static_cast<int16_t>(amp * sin(twoPiF * t));
        }
    }

    return samples;
}

你看，代码其实不复杂。核心就是循环里做加法。但要注意：多个波形叠加后，振幅可能会超过32767。我建议你先算一下理论最大值，或者生成后做一次归一化处理。

知识体系与核心逻辑

下面这张图，帮你理清整个音频波形生成的核心脉络：

避坑指南与经验之谈

做这个项目，有几个坑我踩过，你注意一下：

• 字节序问题：WAV格式使用小端字节序。如果你在ARM或PowerPC上跑，记得检查字节序。我曾在嵌入式设备上吃过这个亏，生成的WAV文件在PC上播放全是噪音。
• 文件大小计算：WAV头里的fileSize字段是整个文件大小减去8，不是整个文件大小。这个细节很容易搞错。
• 采样率选择：44100Hz是CD音质，22050Hz是电话音质。如果你只是测试，用8000Hz就够了，文件小很多。
• 内存管理：生成长时间音频时，采样数据可能很大。比如44.1kHz、16位立体声，1分钟就是10MB左右。建议分段写入，不要一次性全放内存里。

说实话，音频编程入门并不难。你只要搞懂了WAV头的结构，再加上正弦波公式，就能生成任何你想要的声音。从简单的单音，到复杂的和弦，再到完整的音乐片段——这条路是通的。

我建议你从440Hz开始，这是标准音A4。然后试试523Hz（C5）、659Hz（E5），把它们叠加起来就是一个大三和弦。听着自己代码生成的声音，那种成就感，嗯，挺特别的。

公众号:蓝海资料掘金营，微信deep3321