深入理解浮点数的存储：IEEE 754标准解析

引言： 浮点数是计算机科学中一种常见的数值表示方法，它能够精确地表示大范围的数字，并且在科学计算、图形处理等领域中被广泛使用。为了统一浮点数的表示方式并进行有效的计算，国际电气与电子工程师协会（IEEE）提出了IEEE 754标准，该标准规定了浮点数的存储格式和计算规则。

1. IEEE 754标准概述：

IEEE 754标准于1985年首次发布，之后进行了多次修订，最新版本为2008年发布的IEEE 754-2008。该标准定义了浮点数的二进制表示方法、舍入规则、运算规则以及特殊值的处理方式，使得不同平台的计算机能够以相同的规则进行浮点数的计算。

2. 浮点数的二进制表示：

根据IEEE 754标准，浮点数由三个部分组成：符号位（S）、指数位（E）和尾数位（M）。其中，符号位决定了浮点数的正负性，指数位用于表示浮点数的大小范围，尾数位用于表示浮点数的精度。

• (-1)^S * M * 2^E
• (-1)^S表示符号位，当S=0，为正数；当S=1，为负数。
• M表示有效数字，大于等于1，小于2。
• 2^E表示指数位

3. 单精度和双精度浮点数：

IEEE 754标准定义了两种浮点数格式：单精度和双精度。单精度浮点数使用32位存储，符号位占1位，指数位占8位，尾数位占23位；双精度浮点数使用64位存储，符号位占1位，指数位占11位，尾数位占52位。其余的位用于特殊值（如NaN和无穷大）的表示。

3.1 指数位的计算

在 IEEE 754 标准中，浮点数的指数部分使用了移位偏置（exponent bias）的方法来表示带符号整数，以便能够表示正数、负数和零。

首先，E为一个无符号整数（unsigned int）
这意味着，如果E为8位，它的取值范围为0~255；如果E为11位，它的取值范围为0~2047。但是，我们知道，科学计数法中的E是可以出现负数的，所以IEEE 754规定，存入内存时E的真实值必须再加上一个中间数，对于8位的E，这个中间数是127；对于11位的E，这个中间数是1023。比如，2^10的E是10，所以保存成32位浮点数时，必须保存成10+127=137，即10001001。

3.2 尾数

前面说过， 1≤M<2 ，也就是说，M可以写成 1.xxxxxx 的形式，其中xxxxxx表示小数部分。
IEEE 754规定，在计算机内部保存M时，默认这个数的第一位总是1，因此可以被舍去，只保存后面的xxxxxx部分。比如保存1.01的时候，只保存01，等到读取的时候，再把第一位的1加上去。这样做的目的，是节省1位有效数字。以32位浮点数为例，留给M只有23位，将第一位的1舍去以后，等于可以保存24位有效数字。

3.3 示例

1. 单精度浮点数（32位）示例： 假设我们要表示数字3.14作为单精度浮点数。首先，我们将数字3.14转换为二进制表示形式： 3.14 = 11.0010001111...接下来，根据IEEE 754标准，我们需要将这个二进制数规范化，即确保尾数部分的最高有效位为1。在单精度浮点数中，尾数占23位。所以，我们将上述二进制数进行舍入和截断后，得到以下表示： 3.14 ≈ 1.10010001111010111000011 × 2^1在存储时，符号位为0（因为3.14是正数），指数位为1（1+127 = 128 = 10000000），尾数位为10010001111010111000011。将它们合并在一起，得到最终的单精度浮点数的二进制表示： 0 10000000 10010001111010111000011
    
2. 双精度浮点数（64位）示例： 现在我们来看一个双精度浮点数的示例，比如表示数字12345.6789。同样地，我们将该数字转换为二进制形式： 12345.6789 = 11000000111001.101101001110000101011000...接下来，进行规范化处理。在双精度浮点数中，尾数占52位。我们对上述二进制数进行舍入和截断，得到以下表示： 12345.6789 ≈ 1.1000000111001101101001111000010101100000101011001 × 2^13在存储时，符号位为0，指数位为13（13 + 1023 = 1036 = 1000000110），尾数位为1000000111001101101001111000010101100000101011001。将它们合并在一起，得到最终的双精度浮点数的二进制表示：
   0 10000001100 1000000111001101101001111000010101100000101011001

 

4. 正规化表示和非正规化表示：

根据IEEE 754标准，浮点数可以采用正规化表示或非正规化表示。正规化表示是指将浮点数转换为科学计数法形式，其中尾数部分的最高有效位必须为1。非正规化表示则允许尾数部分的最高有效位为0，从而表示较小的数值。

 

4.1 正规表示（Normalized representation）：

正规表示用于表示大多数非零的浮点数。在正规表示中，浮点数的尾数部分采用隐藏位（hidden bit）的方式，即默认情况下尾数的最高位总是1，并且不对其进行存储。这样可以有效地提高浮点数的精度，并且可以节省存储空间。在正规表示中，指数部分具有一定的范围并且不为全0或全1。

4.2 非正规表示（Denormalized representation）：

非正规表示主要用于接近于零的非常小的浮点数。当指数部分全为0时，尾数部分的隐藏位为0，此时浮点数被视为非正规表示。非正规表示允许更小的数值范围，但相应地牺牲了一些精度。

 

5. 舍入规则：

由于浮点数的存储格式有限，对于某些数值，无法以完全精确的方式表示。因此，IEEE 754标准定义了不同的舍入规则，用于确定浮点数在存储过程中的近似值。常见的舍入规则有向最近舍入、向正无穷舍入、向负无穷舍入和向零舍入。舍入方式一般是由编译器或解释器默认选择的，例如，在Java中，默认使用的是向最近偶数舍入规则（Round to nearest, ties to even）。不过，在一些编程语言中，可以通过代码来控制舍入方式，以满足不同的精度和近似处理要求。例如，在C++中，可以使用fesetround函数来设置舍入模式，从而控制浮点数运算的舍入规则。

6. 特殊值的处理：

IEEE 754标准还规定了一些特殊的浮点数值，如正无穷大（+∞）、负无穷大（-∞）、NaN（Not a Number）等。这些特殊值在浮点数计算中具有特定的含义和处理方式，能够帮助解决计算中的异常情况。

6.1 正无穷大（Positive Infinity）：

当一个正数超过了浮点数能够表示的最大值时，就会出现正无穷大。正无穷大可以用来表示计算结果溢出的情况，例如某个数除以0。

6.2 负无穷大（Negative Infinity）：

与正无穷大类似，当一个负数超过了浮点数能够表示的最小值时，就会出现负无穷大。负无穷大可以用来表示计算结果下溢的情况，例如某个极小数除以0。

6.3 NaN（Not a Number）：

NaN是指在浮点数操作中未定义或不可表示的值，它通常出现在一些异常情况下，例如：

• 0/0 产生 NaN
• 负数的平方根产生 NaN
• 对负数进行对数运算产生 NaN 等

NaN可以用来表示无效的计算结果或未定义的数学操作。NaN本身并不能参与计算，但是它可以被传递到后续的计算中，从而影响整个计算过程的结果。在实际应用中，需要对NaN进行特殊处理，以避免对后续计算结果的影响。

总之，正无穷大、负无穷大和NaN是浮点数运算中的特殊情况，它们的出现通常代表着某个计算结果无法表示或者不符合数学规则，需要针对具体情况进行特殊处理。