C语言之美——平方根倒数快速计算

C语言之美——平方根倒数快速计算

前言

由于特殊原因，陆陆续续接触陀螺仪很长一段时间，对于各种解析算法的运算速率有了切身体会，不断追求更快、更准。最近，发现了一份比较特殊的平方根倒数速算法，一下子来了兴趣，要知道，陀螺仪解析算法里，倒数可是很常见的啊。下面来看一看这一份优美的代码，足以体现C语言的独特美感。

源码

你看不懂就对了<(￣ˇ￣)/，不然谁听我下面的哔哔呢?

float rsqrt(float number)
{
    long i;                        //32-bit number
    float x2, y;                   //32-bit decimal number
    const float threehalfs = 1.5F; //1.5(also 32-bit)

    x2 = number * 0.5F;
    y = number;
    i = *(long *)&y;           // evil floating point bit hack
    i = 0x5f3759df - (i >> 1); //what the fuck?
    y = *(float *)&i;
    y = y * (threehalfs - (x2 * y * y)); //1st iteration
    //y = y * (threehalfs - (x2 * y * y)); // 2st iteration,can be remove

    return y;
}

IEEE754标准

定点数

定点数，自然是相对于浮点数而言的。
何为定点？何为浮点？

定点，通俗来说就是小数点位置是固定的。
官方一丢丢的解释(>▽<)：

在定点数表达法中，其小数点固定地位于实数所有数字中间的某个位置。例如，货币的表达就可以采用这种表达方式，如 55.00 或者 00.55 可以用于表达具有 4 位精度，小数点后有两位的货币值。由于小数点位置固定，所以可以直接用 4 位数值来表达相应的数值。

但我们不难发现，定点数表达法的缺点就在于其形式过于僵硬，固定的小数点位置决定了固定位数的整数部分和小数部分，不利于同时表达特别大的数或者特别小的数。因此，最终绝大多数现代的计算机系统都采纳了所谓的浮点数表达法。

浮点数

浮点，通俗来说就是小数点位置是浮动的。
官方一点的解释(o゜▽゜)o☆：

浮点数表达法采用了科学计数法来表达实数，即用一个有效数字。一个基数（Base）、一个指数（Exponent）以及一个表示正负的符号来表达实数。浮点数利用指数达到了浮动小数点的效果，从而可以灵活地表达更大范围的实数。

表示方法 （仅限于单精度浮点数）

在IEEE 754标准中浮点数由三部分组成：符号位（sign bit），有偏指数（biased exponent），小数（fraction）。浮点数分为两种，单精度浮点数（single precision）和双精度浮点数（double precision），它们两个所占的位数不同。

单精度浮点数（共32位）：
1个符号位
8个指数位
23个小数位

先来看看下面的例子，简单阐述了浮点数的表示方法：

在简单知道了浮点数表示方法之后，一个有意思的事情又开始了：
我们知道了，浮点数的表示方法其实灵感来源于科学计数法，科学计数法表示的数如1.2×10²，数字的首位一定不为0，即不会出现0.2×10²的情况。于是，在二进制里相应的最高位一定也不会为0，只能为1。
研究754标准那帮人特牛，嗯~ o(￣▽￣)o，直接把确定的1省去默认，23个小数位全为真·小数位！（哈哈哈），简单来说，又省了一位确定的，将他分配给小数表示。

到现在，我们可以又下面的公式 （敲黑板(☄⊙ω⊙)☄）：
$$\left(1+\frac{m}{2^{23}}\right)\times 2^{e-127}$$
其中m表示23位的小数部分，e表示8位的指数部分 由于指数有正负，所以减去127

下面我们跟着将浮点数公式取对数变换，最终得到：
$${log}_2\left(1+\frac{m}{2^{23}}\right)+e-127$$

然后咋办呢~ (￣▽￣) ~*？我们这样：
l o g 2 ( 1 + x ) ≈ x {log}_{2}\left ( {1+x} \right )\approx x