2.2 数据的表示和存储（二）

2.4 浮点数的编码表示

1. 浮点数类型

C语言声明	操作数类型	存储长度（位）
float	单精度浮点数	32
double	双精度浮点数	64
long double	扩展精度浮点数	80 / 96

2. 浮点数的表示

（1）浮点数(Floating Point)的表示范围

• 以下面的32位浮点数格式的规格化数为例，计算表示范围
  
  ①第0位数符S；
  ②第1～8位为8位移码表示阶码E（偏置常数为128）；
  ③第9 ～31位为24位二进制原码小数表示的尾数M；
  规格化尾数的小数点后第一位总是1，故规定第一位默认的“1”不明显表示出来。这样可用23个 数位表示24位尾数。
  
• 因为原码对称，故其表示范围关于原点对称。可表示的范围包括图中阴影部分和零
  
• 机器0：即尾数为0 或落在下溢区中的数
• 浮点数范围比定点数大，但数的个数没变多，故数之间更稀疏，且不均匀

（2）规格化数形式（Normal format）

为了能表示更多有效数字，通常规定规格化数的小数点前为1

• 32-bit 规格化数
  
  其中：
   ①S是符号位（Sign）
   ②Exponent用移码（增码）来表示
   ③Significand 表示xxxxxxxxxxxxx（部分尾数） (基可以是2/ 4 / 8 / 16，约定信息，无需显式表示)

（3） IEEE 754 标准

• 单精度浮点数表示：
  
  其中：
   ①Sign bit: 1 表示negative ; 0表示positive
   ②Exponent（阶码）: 全0或全1用来表示特殊值
     SP规格化阶码范围为0000 0001 (-126) ~ 1111 1110 (127)
     偏置常数（bias）为127 (single), 1023 (double）
   ③Significand（部分尾数）:
     规格化尾数最高位总是1，所以隐含表示，省1位
     1 + 23 bits （single），1 + 52 bits （double）
  ==》单精度浮点（SP）: (-1)Sx (1 + Significand) x 2(Exponent-127)
     双精度浮点（DP）: (-1)Sx (1 + Significand) x 2(Exponent-1023)

Q:为什么偏置常数要取127而不是128？

A: IEEE 754标准中，单精度浮点数可表示的范围是0000 0001 (-126) ~ 1111 1110 (127)；若偏置常数使用128，则32位浮点数可表示的范围0000 0001 (-127) ～ 1111 1110 (126)，[128-127=1,128+126=2^7 -1] , 而 2^126 ~2^127可表示的范围比 2^-127 ~ 2^-127 大。

Q: 已知float型变量x的机器数为BEE00000H，求x的值是多少？

A: 转化为二进制 ：1 ，011 11101，110 0000 0000 0000 0000 0000

• 数符: 1 （负数）
• 阶（指数）: 为避免混淆，用"阶码"表示阶的编码，用"阶"或"指数"表示阶码的值
   阶码: 0111 1101B = 125
   阶码的值: 125 -127 = -2
• 尾数数值部分: 1 +1x2-1+ 1x2-2+ 0x2-3+ 0x2-4+ 0x2-5+… =1+2-1+2-2= 1+0.5 +0.25 = 1.75
  
  所以，真值: -1.75x2-2= -0.4375

Q: 已知float型变量x的值为-12.75，求x的机器数是多少？
A: -12.75=-1100.11B =-1.10011B x 23

• 符号S=1
• 阶码E=127+3=128+2=1000 0010
• 显式表示的部分尾数Significant = 100 1100 0000 0000 0000 0000
  
  所以： x 的机器数表示为： 1 ，1000 0010， 100 1100 0000 0000 0000 0000
  转换为十六进制表示为：C14C0000H

3. 其他形式的机器数表示

前面的定义是针对规格化形式（normalized form）的数 那么，其他形式的机器数表示什么样的信息呢？

（1）0的机器数表示

• How to represent 0?
  • exponent: all zeros
  • significand: all zeros
  • What about sign?Both cases valid.

+0: 0 00000000 00000000000000000000000
-0: 1 00000000 00000000000000000000000

（2）+∞/-∞的机器数表示

• 浮点数除0的结果是+/-∞, 而不是溢出异常.（整数除0为异常）
• 为什么要这样处理? 可以利用+∞/-∞作比较。例如：X/0>Y可作为有效比较
• How to represent +∞/-∞?
  • Exponent: all ones (11111111B = 255)
  • Significand: all zeros

+∞: 0 11111111 00000000000000000000000
-∞: 1 11111111 00000000000000000000000

（3）“非数”的表示（NaN)

• 例如“Sqrt (-4.0) ”，“0/0”等的结果称为Not a Number (NaN) ，即“非数”
• NaNs 可以帮助调试程序
• How to represent NaN ？
  • Exponent： 255
  • Significand: nonzero

4. 非规格化数(Denorms)的表示

• How to represent Denorms?
  • Exponent： 0
  • Significand: nonzero
    

关于浮点数精度的一个例子

61.419998和61.420002是两个可表示数，两者之间相差 0.000004。当输入数据是一 个不可表示数时，机器将其转换为最邻近的可表示数。

5. 总结

Exponent	Significand	表示类型
0	0	+/-0
0	nonzero	Denorms
1-254	任意,小数点前隐含1	Norms
255	0	+/-infinity
255	nonzero	NaN

2.5 非数值数据的编码表示

1. 逻辑数据的编码表示

• 何时会用到逻辑数据：表示逻辑（关系）表达式中的逻辑值（真/假 ）
• 表示： 用一位表示。N位二进制数（位串）可表示N个逻辑数据
• 运算： 按位进行。如，按位与/ 按位或/ 逻辑左移/ 逻辑右移等
• 识别： 逻辑数据和数值数据在形式上并无差别，也是一串0/1序列， 计算机靠指令来识别。

2. 西文字符的编码表示

• 特点
   是一种拼音文字，用有限几个字母可拼写出所有单词
   只需对有限个字母和数学符号、标点符号等辅助字符编码
   所有字符总数不超过256个，使用7或8个二进位可表示
• 表示（常用编码为7位ASCII码）
   十进制数字：0/1/2…/9
   英文字母：A/B/…/Z/a/b/…/z –专用符号：+/-/%/*/&/……
   控制字符（不可打印或显示）
• 操作
    字符串操作，如:传送/比较 等
• ASCII码表：0 -- 30H, A -- 41H , a -- 61H
  

3. 汉字及国际字符的编码表示

（1）汉字的编码形式

• 输入码： 对汉字用相应按键进行编码表示，用于输入
• 内码： 用于在系统中进行存储、查找、传送等处理
• 字模点阵或轮廓描述： 描述汉字字模点阵或轮廓，用于显示/打印

Q: 西文字符有没有输入码？有没有内码？ 有没有字模点阵或轮廓描述？
A: 西文可由键盘直接输入，不用输入码；但也有内码和字模点阵。

（2）GB2312-80字符集

• 由三部分组成
   ①字母、数字和各种符号，包括英文、俄文、日文平假名与片假名、罗马字母、汉语拼音等共687个
   ②一级常用汉字，共3755个，按汉语拼音排列
   ③二级常用汉字，共3008个，不太常用，按偏旁部首排列
• 汉字的区位码
   ①码表由94行、94列组成，行号为区号，列号为位号，各占7位
   ②指出汉字在码表中的位置，共14位，区号在左、位号在右
• 汉字的国标码
   ①每个汉字的区号和位号各自加上32（20H），得到其“国标码”
   ②国标码中区号和位号各占7位。在计算机内部，为方便处理与存 储，前面添一个0，构成一个字节。

（3）汉字内码

• 至少需2个字节才能表示一个汉字内码。为什么？
   由汉字的总数（超过6万字）决定！ 2^16=65536
• 可在GB2312国标码的基础上产生汉字内码
   为与ASCII码区别，将国标码的两个字节的第一位 置“1”后得到一种汉字内码（可以有不同的编码方案）
  

4. 多媒体信息的表示

• 图形、图像、音频、视频等信息在机器内部也用0和1表示
   – 图形用构建图形的直线或曲线的坐标点及控制点来描述，而这些 坐标点或控制点则用数值数据描述
   – 图像用构成图像的点（像素）的亮度、颜色或灰度等信息来描述 ，这些亮度或颜色等值则用数值数据描述
   – 音频信息通过对模拟声音进行采样、量化（用二进制编码）来获 得，因此量化后得到的是一个数值数据序列（随时间变化）
   – 视频信息描述的是随时间变化的图像（每一幅图像称为一帧）
   – 音乐信息（MIDI）通过对演奏的乐器、乐谱等相关的各类信息用 0和1进行编码来描述
   – …….
• 多媒体信息用一个复杂的数据结构来描述，其中的基本数据或者 是数值数据，或者是用0/1编码的非数值数据

2.6 数据宽度和存储容量的单位

1. 数据的基本宽度

• 比特（bit，位）是计算机中处理、存储、传输信息的最小单位
• 二进制信息最基本的计量单位是“字节”(Byte) –现代计算机中，存储器按字节编址
    – 字节是最小可寻址单位 (addressable unit )
    – 如果以字节为一个排列单位，则LSB表示最低有效字节，MSB 表示最高有效字节
• 除比特（位）和字节外，还经常使用“字”(word) 作为单位 。

“字”和“字长”的概念不同

• “字长”指数据通路的宽度。 ”字长”等于CPU内部总线的宽度、运算器的位数、通用 寄存器的宽度（这些部件的宽度都是一样的）
• “字”表示被处理信息的单位，用来度量数据类型的宽度
• 字和字长的宽度可以一样，也可不同
  例1：对于x86体系结构，不管字长多少，定义“字”的宽 度都为16位，而从386开始字长就是32位了。
  例2：对于MIPS 32体系结构，其字和字长都是32位。
  
  数据通路指CPU内部数据流经的路径以及路径上的部件，主要是 CPU内部进行数据运算、存储和传送的部件，这些部件的宽度基 本上要一致，才能相互匹配。

2.数据量的度量单位

• 存储二进制信息时的度量单位要比字节或字大得多
• 容量经常使用的单位有：
   – “千字节”(KB)，1KB=210字节=1024B
   – “兆字节”(MB)，1MB=220字节=1024KB
   – “千兆字节”(GB)，1GB=230字节=1024MB
   – “兆兆字节”(TB)，1TB=240字节=1024GB
• 通信中的带宽使用的单位有：
    – “千比特/秒”(kb/s)，1kbps=103 b/s=1000 bps
    – “兆比特/秒”(Mb/s)，1Mbps=106 b/s=1000 kbps
    – “千兆比特/秒”(Gb/s)，1Gbps=109 b/s=1000 Mbps
    – “兆兆比特/秒”(Tb/s)，1Tbps=1012 b/s=1000 Gbps
  如果把b换成B，则表示字节而不是比特（位） 例如，10MBps表示10兆字节/秒

3. 程序中数据类型的宽度

• 高级语言支持多种不同类型和 不同长度的数据
   –例如，C语言中char类型的宽 度为1个字节，可表示一个字 符（非数值数据），也可表示 一个8位的整数（数值数据）
   –不同机器上表示的同一种类型 的数据可能宽度不同
• 必须确定相应的机器级数据表示方式和相应的处理指令