[408计算机组成原理] 第二章 数据的表示和运算 2.2

回顾

在前面的小结，主要了解的无符号数和有符号数，对于有符号数的机器数的表示改如何表示，即引入原码的概念，为了实现减法运算，进一步引入补的概念，即学习了补码表示，以及求补码过程中需要用到的反码，又由于其补码表示数据不能很好的看出其真值的大小，引入移码的概念；需要掌握原码，反码，补码，移码的求法，以及各种表示所能表示的范围，小数以及整数的范围，同时需要注意，移码只能表示整数。

二、定点表示和浮点表示

定点表示，我们在前一节其实已经大概的了解过了，就是小数固定在机器的某个位置，对于整数和小数，分别固定小数点的位置。需要明确的一点是，小数点并不会在实际的计算机中存储，而是会被隐含在机器中的固定位置。

2.1定点表示

①整数定点机

整数定点机只用于表示整数，其小数点默认在数的最后面

符号位	数值部分						小数点
$x_0$	$x_1$	$x_2$	$x_3$	$x_4$	…	$x_n$	.(小数点隐含在此位置)

②小数定点机

小数定点机其小数点默认在符号位的后面

符号位	小数点	小数部分
$x_0$	.(小数点隐含在此位置)	$x_1$	$x_2$	$x_3$	$x_4$	…	$x_n$

显然定点表示数字是很有缺陷的，在定点机中，由于小数点固定其存储数据的时候十分的不方便，小数只能存储在小数定点中，整数只能存储在整数定点机中，十分的不方便，因此引入了浮点表示，让小数点的位置可以浮动，这样就可以将小数表示和整数表示统一起来。接下去我们一起看浮点表示。

2.2浮点表示

浮点表示一句话了解就是，再表示数据的时候，小数点可以浮动表示，和我们之前学过的科学计数法非常的类似，比如小数$0.00098$使用科学计数法就可以表示位$0.98\ast 10^{-3}$，这样我们在存储的时候，将小数部分$0.98$和阶码$-3$分开存储，这样就可以很好的将整数和小数统一起来，例如12.13就可以表示为$0.1213\ast 10^2$。

①浮点表示的形式

具体来看一下浮点表示的具体形式，以32位的为例。

符号位	阶码	尾数
1位	7位	24位

如上格式所示，其实就是将我们使用科学计数法的表示的数据，将其科学计数法表示的阶码写入阶码的部分，将尾数部分写入尾数部分，符号写入符号位，当然对于阶码来说，也是需要符号位的，所以7位用于表示阶数，其中一位表示阶码的符号位，6位表示阶码的数值部分，所以精确的形式，如下所示

• 阶码部分：阶符+阶码本身的真值
• 尾数部分：符号+尾数本身的真值

②浮点表示的范围

由于计算机寄存器的个数有限，所能表示的数值的位数也会有限，所以存在一个所能表示的范围。

• 最小的负数：$-(1-2^{-23})\ast 2^{2^7-1}$ 如何理解呢？要求最下的负数，其实就是要求绝对值最下的数，然后加上一个符号就可以，要绝对值最小的数；要求绝对值最小的数，我们先求最小的小数，就是0.00…01，即为$1-2^{-23}$，进一步要让数值最小，就是要让阶码也最小，即为$-(2^7-1)$，所以最小为$(1-2^{-23})\ast 2^{-(2^7-1)}$
• 最大的负数：$-(2^{-23})\ast 2^{-(2^7-1)}$
• 最小的正数：$2^{-23}\ast 2^{-(2^7-1)}$
• 最大的正数：$(1-2^{-23})\ast 2^{2^7-1}$

③浮点数的规格化

为什么要进行规格化呢？因为在使用浮点数表示数据中如0.00…1，这种就很没必要，因为我们都是先将数据写为科学计数法的形式来表示，为什么就不能变成0.1然后减小阶码呢？而且这样还可以进一步提高数据的精度；例如数据0.00111，假设只能保存四位数据，不规格化的话，存储就是0.0011，必然会舍弃掉不能表示的位数，若进行规格化变为0.1110，然后减小阶码的值，这样即能不损失精度，还能很好的表示数字。

规格化的规则，就是要求小数部分的数据必须是大于或者等于0.5的，按着二进制来说，就是要求小数的数据第一位必须是1，即为0.XXXXX…的形式。

这就是浮点数表示的规格化表示。

2.3 IEEE754标准

这是进一步对浮点数据进行规格化表示， IEEE754标准规定在计算机中存储的数据，其阶码采用移码表示，其小数部分采用原码表示，同时在IEEE754标准中有两种表示小数的格式，一种是双精度类型，一种是单精度类型。

• 单精度类型：其占32位，8位的阶码，24位的尾数（该尾数包含符号位）
• 双精度类型：其占64位，11位的阶码位，53位的尾数（该尾数包含符号位）

同时为了进一步提高数据在计算中表示的精度问题，由于在浮点数规格化的表示中，其尾数的最高位是1，那么这样的化，就进一步将其1隐含表示，例如尾数为0.101，在IEEE754标准中，1要隐含表示，即变为0.01，将1隐含表示，进一步提高了数据表示的精度。

需要注意的是，在IEEE754标准中阶码全0和全1，有其他的作用，此时就不再表示数据了，我们先来看32位的单精度的浮点数，8位阶码总共可以表示的范围是$-128至127$，因为对于正0和负0，其补码都是全零变位移码就是1后面全零，将$-128至127$将其变为移码来说就是$0至255$，但是由于移码的全1和全0留用，也就是移码0和移码255被留用，实际的其真值的范围就变为$-127至126$，由于 留用了全0和全1，所以对于IEEE754标准求解移码的时候其移码的偏移是127，即是$2^7-1$，而不再是$2^7$。在双精度中同样留用全0和全1，所以其64位的双精度的移码偏移为$2^{10}-1$，而不是$2^{10}$。

如上图所示，定义了阶码全零或全1和尾数全零或全1，其表示的意思分别是啥，其实记忆起立很简单，全零就真的是零，之不过有正零和负零之分；全1，表示做大了，不可能再大了，就是无穷，也就是区分正无穷和负无穷。

• 对于阶码全0而尾数不为零来说，是非规格化的尾数，其实是为了提高精度的一种做法，这里可以理解以下。
• 对于阶码全1而尾数不为零来说，是非数。