《计算机科学导论》第三章 数据存储

第三章 数据存储

3.1 数据类型

3.1.1 位

3.1.2 位模式

3.1.3 数据压缩

3.1.4 错误检测与纠正

3.2 存储数字

3.2.1 存储整数

整数是小数的一种特殊形式，即小数点在最右边

1.存储无符号整数

（1）无符号整数存储步骤

a.将整数转化为二进制

b.如果不足n位，则在左边补齐0（n是计算机的规定用于表示无符号整数的位数），如果大于n，则导致溢出情况发生，数据无法存储。

（2）译解无符号整数

（3）溢出
如果在存储整数时发生溢出，那么计算机将抛弃高位，保留低位。

（4）无符号整数的应用

2.符号加绝对值表示法（原码）

最高位为符号位，0代表正数，1代表负数。其余位数为无符号整数，这样的编码我们称为原码。

3.二进制补码表示法

几乎所有计算机都使用二进制补码表示法来存储数据。

传统的机器码在进制转化下相对方便，但是存在一个问题。考虑以下情况：

$$2-2=?$$

将2转化为机器码得00000010，第一位代表是正数，后边代表是2的绝对值的二进制表达。-2转换为机器码得10000010，同样的，第一位代表是负数，后边代表是-2的绝对值的二进制表达。令二者做加法（2-2实际上是2+(-2)，因此是做加法），得：
$$\begin{array}{r}00000010\\ +10000010\\ 10000100\end{array}$$
得到结果10000100，翻译回十进制得-4，这显然是出错的。原因也很容易发现，用机器码在做加减法时，实际上是把两数绝对值相加，再把符号位相加。那么如何表示负数才可以正确的进行加法运算呢？

如果我们坚持用00000010来代替+2，那么我们需要找到一个数字，令其与00000010进行加运算后等于零。因此我们列出以下式子：
$$\begin{array}{r}00000000\\ -00000010\\ 11111110\end{array}$$
因此我们可知在这种规则下，-2的表示方法应当是11111110，我们将这种规则成为补码。但是在现实生活中，我们不可能每次用0减去某个负数的绝对值以得到他的补码，因此我们考虑一种计算规则，直接从机器码翻译为补码。
设一个负数机器码
$$S=t_{n-1}{t}_{n-2}\cdots t_2{t}_1{t}_0.t_{-1}{t}_{-2}\cdots t_{-m+1}{t}_{-m}$$
我们需要找到与他的补码，首先，我们将S的除符号位全部取反，即如果$S$等于1011.01101，则我们取1100.10010，这样我们就可以使它与它绝对值的原码各个位相加都等于1，我们将此成为反码 ，也就是说负数的原码的绝对值和其反码之和一定是各个位都等于1的，因此，我们只需再在反码的基础上在最低位加1，就可得到原码的补码。

如100101011.10011011，如果用0减去这个数则十分复杂，但是我们利用转反码再转补码的规则，就可以轻松得到其补码。将除符号位各位取反，得
$$111010100.01100100$$
再将其反码最低位加1，得
$$111010100.01100101$$
则这个数就是原码的补码。

需要注意的是，整数的原码、反码、补码全部相同。

3.3.2 3种系统的比较

3.3.3 实数

1.浮点数的表示方法

浮点数指小数点不固定的小数。
一般来说用以下方式表示：

这是一种32为浮点小数。

其中s代表“Sign bite”，即符号位。代表整个浮点数的正负性。0代表正数，1代表负数。占1bit

Exponent代表阶码，用于表示小数点移动的方向或位数。占8bit

Fraction代表尾数，用于表示小数的数值位。占23bit

比如光速一般表示为$+2.99792458\times 10^{8}m/s$。其中“+”就是sign bite。

2.99792458变化后就是Fraction。

2.99792458太过复杂，我们选取一个相对简单的数：0.25，转换为二进制位0.01，表示为科学计数法为$1\times 10^{-10}$，但是它的表示并不唯一，它也可以表示为$0.1\times 10^{-1}$，因此我们规定Fraction的首位有且只有一位整数位1，如
$$0.001101101101$$
必须表示为
$$1.101101101\times 10^{-11}$$
相同的，
$$1001110110.1011$$
必须表示为
$$1.0011101101011\times 10^{-1001}$$
这样规定后就可以保证浮点数的表示唯一。既然第一位一定是1，那么我们就可以将他省略，以保留更多位置留给其他位的数。

回到光速的数值$+2.99792458\times 10^{8}m/s$，8经过变化后就是Exponent。这个变化就是将他加上127（浮点数占32bit）或是加上1023（浮点数占64bit）。

之所以要这么做是因为Exponent是一个无符号整数，但事实上我们需要符号来表示小数点的左移或是右移，在32bit浮点数中，Exponent占8bit，即可以表示的区间为[0,255]，选取他们中位数127，将所有指数的幂加上127，相当于Exponent的表示范围的上限和下限全部降低了127，即如今可以表示的数为[-127,128]。这里存在一种简便方法，即取移码再减1，因为取移码是将符号位取反，最高位加1相当于加128，再减一相当于加上127。

例如-12.5，转化为二进制为−1100.1。表示为科学计数法为$-1.1001\times 10^{11}$

符号位为负，即1；

阶码为3+127=130，转化为二进制为10000010；

尾数为1.1001，忽略1.，结果为1001

即-12.5的格式化浮点型为：

Sign bite	Exponent	Fraction
1	10000010	10010000000000000000000

2.几种特殊的浮点数

（1）0 的表示

对于阶码为 0 或 255 的情况，IEEE754 标准有特别的规定：

如果 阶码E=0并且尾数M是0，则这个数的真值为±0（正负号和数符位有关）。
因此+0 的机器码为：
$$00000000000000000000000000000000$$
-0 的机器码为：
$$10000000000000000000000000000000$$
需要注意一点，浮点数不能精确表示 0，而是以很小的数来近似表示 0，因为浮点数的真值等于（以32bits单精度浮点数为例）：
$$\begin{gathered} x=(-1{)}^S\times (1.M)\times 2^e \\ e=E-127 \end{gathered}$$
那么+0的机器码对应的真值为1.0×2−127

同理，-0 机器码真值为−1.0×2−127

（2）$+\infty$和$-\infty$的表示

如果阶码E=255并且尾数M全是0，则这个数的真值为$\pm \infty$（同样和符号位有关）。
因此$+\infty$的机器码为：
$$01111111100000000000000000000000$$
$-\infty$的机器码为：
$$11111111100000000000000000000000$$

（3）NaN（Not a Number）

如果E=255并且M不是0，则这不是一个数（NaN）

3.3 存储文本

1.ASCII

2.Unicode

3.其他编码

3.3 存储音频

音频是一种连续的模拟信号，而电子计算机使用是离散的数字信号。因此记录与数字、文本不同。

3.4.1 采样

指每隔一段时间对模拟信号大小进行测算，这实际上类似于数学中的微分思想。只要采样频率足够高，就可以尽可能地还原连续模拟信号。

3.4.2 量化

通过四舍五入将采样的结果进行压缩。

3.4.3 编码

3.4.4 声音编码标准

MP3（MPEF Layer3）

3.5 存储图像

3.5.1 光栅图

由像素构成的图称为光栅图，储存原理与音频类似。主流编码标准有JPEG、GIF

3.5.2 矢量图

矢量图将一个图像拆分成若干个图形，存储的是绘制这些图形的命令。

3.6 存储视频

视频是图像在时间上的表示，与存储图像原理类似。