【计组】数的表示与计算

计算机组成原理归纳
1. 概述
2. 数的表示与计算
3. 存储器
4. 指令系统
5. 处理器
6. 总线
7. IO系统

---

1.1 字符和字符串

1.2 数据存储与排列

1.2.1 存储模式

多字节数据在内存中一定占连续的字节

大端模式：高字节低地址

小端模式：低地址低字节

一个多字节数据，必须存放在连续的地址单元

1.2.2 边界对齐

边界对齐：访问一个字/半字只需一次访存

边界不对齐：访问一个字/半字可能需要两次访存

1.3 二进制

1.3.1 计算机采用二进制原因

• 可行性：二进制只有01两个状态，能标识01两种状态的电子器件很多。
• 运算简易性：二进制运算法则少，运算简单，简化硬件结构
• 有逻辑代数的理论基础：二进制0和1正好和逻辑代数的真假对应

1.3.2 编码（二进制的解释方式）

原码

n+1位定点整数 $1\underset{n}{\underbrace{1\cdots 11}}.\sim 0\underset{n}{\underbrace{11\cdots 1}}.$ :范围 $-2^n-1\sim 2^n-1$

n+1位定点小数 $1.\underset{n}{\underbrace{11\cdots 11}}\sim 0.\underset{n}{\underbrace{11\cdots 11}}$ 范围 $-1+2^{-n}\sim 1-2^{-n}$

• 字长足够，则可表示任意整数
• 不能表示任意小数，只能是2的整数次幂
• 真值0不唯一，可表示数少1

反码

真值0不唯一：+0，-0

表示数值的范围和原码相同

补码

$n+1$ 位二进制数可表示

• 定点整数 $1,\underset{n}{\underbrace{00\cdots 00}}.\sim 0,\underbrace{11\cdots 11}.$ ：$-2^n\sim 2^n-1$
• 定点小数 $1.\underset{n}{\underbrace{00\cdots 00}}\sim 0.\underset{n}{\underbrace{11\cdots 11}}$ ： $-1\sim 1-2^{-n}$

补码特点(机内码)

• 真值0的补码唯一
• 正数的补码二进制表示的无符号数，小于负数的补码表示的无符号二进制数
  • 如：127：0111 1111，-1；
• 数值位1越多表示数字越大
  • 0同侧编码值越大，真值越大
  • 正数的2进制编码小于负数的二进制编码 1000(-8) <0111(7)

原码变为补码：从右到左，找到第一个1，其左边取反，其右边不变
$$\begin{array}{rl}& 原码：01110100\\ & 补码：10001100\end{array}$$

• 正数补码等于原码（什么编码都不变）
• 负数补码等于原码取反加一

编码方式与范围

n位2进制编码

编码方式	最小值编码	最小值	最大值编码	最大值	数值范围
无符号定点整数	$\underset{n}{\underbrace{\mathrm{00...00}}}.$	0	$\underset{n}{\underbrace{\mathrm{11...11}}}.$	$2^{n+1}-1$	$0\le x\le 2^{n+1}-1$
无符号定点小数	$.\underset{n}{\underbrace{\mathrm{00...00}}}$	0	$0.\underset{n}{\underbrace{\mathrm{11...11}}}$	$1-2^{-n}$	$0\le x\le 1-2^{-n}$
原码定点整数	$1,\underset{n-1}{\underbrace{\mathrm{1...11}}}.$	$-2^n+1$	$0,\underset{n-1}{\underbrace{1\cdots 11}}.$	$2^n-1$	$-2^n+1\le x\le 2^n-1$
原码定点小数	$1.\underset{n-1}{\underbrace{\mathrm{1...11}}}$	$-1+2^{-n}$	$0.\underset{n-1}{\underbrace{\mathrm{1...11}}}$	$1-2^{-n}$	$-1-2^{-n}\le x\le 1-2^{-n}$
补码定点整数	$1,\underset{n-1}{\underbrace{\mathrm{0...00}}}.$	$-2^n$	$0,\underset{n-1}{\underbrace{\mathrm{1...11}}}.$	$2^n-1$	$-2^n\le x\le 2^n-1$
补码定点小数	$1.\underset{n-1}{\underbrace{\mathrm{0...00}}}$	$-1$	$0.\underset{n-1}{\underbrace{\mathrm{1...11}}}$	$1-2^{-n}$	$-1\le x\le 1-2^{-n}$

移码

真值加一个常数

$$\begin{array}{rl}& [x{]}_{移}=2^n+x（-2^n\le x\le 2^n，机器字长为n+1）\\ & x_1=+10101，x_2=-10101，字长8位，则其移码表示为：\\ & [x_1{]}_{移}=2^7+10101=1,0010101,[x_2{]}_{移}=2^7+(-10101)=0,1101011\end{array}$$

• 只能表示整数
• 真值0唯一
• 移码大小与数值的大小一致
  • 移码大，真值大
  • 移码小，真值小

n位二进制能表示 $2^n$ 个数字

1.3.3 无符号整数

用于表示内存地址信息

表示范围 $0\sim 2^n-1$

若寄存器位数小于无符号定点整数，舍去高位 发生上溢出

1.3.4 定点数运算

移位

逻辑移位

无符号数，空位填0

算术移位

有符号数

循环移位

丢弃位会存在 CF 中

适用情况：高低字节数据互换

加法

原码

符号位相同：绝对值相加，符号位不变

符号位不同：符号等于绝对值大者

机内实现两种策略

• 转换为补码后，用补码加减法实现，结果再转回原码
• 直接用原码进行加减，符号与数值分开运算

补码

符号位和尾数一起运算

补码运算结果为补码

补码加减运算：

• 当参加运算的数是定点小数时，模 $M=2$
• 当参加运算的数是定点整数时，模 $M=2^{n+1}$

$$\begin{gathered} [A+B{]}_{补}=[A{]}_{补}+[B{]}_{补}(modM) \\ [A-B{]}_{补}=[A{]}_{补}+[-B{]}_{补}(modM) \end{gathered}$$

溢出判断

只有 “正数+正数” 才可能 上溢 —— 正+正=负

只有 “负数+负数” 才可能 下溢 —— 负+负=正

采用一位符号位 (模2补码)

设 A 的符号位为 $A_s$ ，B的符号位为 $B_s$ ，运算结果符号位为 $S_s$ ，则溢出表达式为 $V=\underset{001}{\underbrace{A_s{B}_s\overline{S_s}}}+\underset{110}{\underbrace{\overline{A_s}\overline{B_s}{S}_s}}$

• $V=1$ ，表示无溢出
• $V=0$ ，表示有溢出

如：
$$\begin{array}{rl}& [A+B{]}_{补}=0,0001111+0,1111100=1,0001011真值-117V=0，溢出\\ & [B-C{]}_{补}=1,1101000+1,0000100=0,1101100真值+108，V=1，溢出\end{array}$$
根据进位情况判断

	符号位进位 $C_S$	最高数值位进位 $C_1$
上溢	0	1
下溢	1	0

即：$C_s$ 与 $C_1$ 不同时有溢出

溢出判断表达式为 $V=C_s\oplus C_1$

• $V=0$ ，表示无溢出
• $V=1$ ，表示有溢出

双符号位 （模4补码）

正数符号00，负数符号11
$$\begin{array}{rl}& [A+C{]}_{补}=00,0001111+00,1111100=\underset{本来符号位}{\underbrace{0}}\underset{实际符号位}{\underbrace{1}},0001011上溢\\ & [B-C{]}_{补}=11,1101000+11,0000100=10,1101100下溢\end{array}$$
记两个符号位为 $S_{s1}{S}_{s2}$ ，则 $V=S_{s_1}\oplus S_{s_2}$

• $V=0$ ，表示无溢出
• $V=1$ ，表示有溢出

上溢：超出表示范围的上边界

下溢：低于表示范围的下边界

注意：

• 实际存储时只存一位符号位，在运算时复制
• 双符号位，算术移位只有低位符号位参与（由于实际只存1位）

乘法

原码一位乘

结果的符号位通过 异或 确定

• 符号位不参与运算，可以省略
• 原码一位乘可以只用单符号位

数值部分通过被乘数和乘数绝对值的n轮 加法、移位 完成

根据当前乘数中参与运算的位确定 (ACC) 加什么

• 为0，则 $(ACC)+0$
• 为1，则 $(ACC)+[\mid x\mid {]}_{原}$

每轮加法后，ACC，MQ的内容统一 **逻辑右移 **

如

设机器字长5位（1位符号位，4位数值位），$x=(13{)}_{10}=+1101,y=(-11{)}_{10}=-1011$ ，采用原码一位乘法求 $x\times y$

• 符号位 $P_s=x_s\oplus y_s=0\oplus 1=1$

• $\mid x\mid =1101,\mid y\mid =1011$ ，原码一位乘法的求解过程如下

  

• 最后结果为 $P_s+(ACC)+(MQ)=1.10001111=-0.10001111$

还不懂的话去看：参考博客

补码一位乘(Booth法)

增加一位辅助位，补充到最低位，初始值为 $0$

• n轮加法，加法规则

  

• 补码的算数右移，符号位不动，数值位右移

  符号位是什么就补什么

如

设机器字长5位（1位符号位，4位数值位），$x=(-13{)}_{10}=-0.1101,y=(11{)}_{10}=+0.1011$ ，采用补码一位乘法求 $x\times y$

• $[x{]}_{补}=11.0011,[-x{]}_{补}=00.1101$

• 计算过程
  

• 结果：$[x\cdot y{]}_{补}=11.01110001$，即 $x\cdot y=-0.10001111$

还不懂的话去看：参考博客

除法

原码一位除

符号位 $Q_s=x_s\oplus y_s$

恢复余数法：当余数为负时，上商0，并 $+除数$ ，再左移，再 $-除数$

加减交替法：当余数为负时，上商0，并左移，再 $+除数$

补码一位除

• 符号位参与运算，除数和被除数均用双符号位表示

1. 被除数与除数同号，被除数减去除数；

   被除数与除数异号，被除数加上除数

2. 余数和除数同号，商为1，余数左移一位，下次减除数；

   余数和除数异号，商为0，余数左移一位，下次加除数。

3. 重复步骤2，包括符号在内，工作n+1步

如

已知 x=0.1011，y=0.1101，用补码加减交替法求 $\frac{x}{y}$

$[x{]}_{补}=00.1011,[y]=00.1101,[-y{]}_{补}=11.0011,n=4$

商 $[Q{]}_{补}=0.1101$，余数 $[R{]}_{补}=0.0111$

强制类型转换

等字长无符号数与有符号数

位值不变，改变解释方式

不同字长整数之间转换

大字长到小字长

将多余高位字长部分截断，低位赋值

小字长到大字长

数值相等，高位进行符号位填充

填充规则

• 定点整数：在原符号位和数值位中间添加新位

  正数加0

  负数：原码加0；反，补码加1

• 定点小数：在原数值位后面添加新位

  正数都加0

  负数：原、补码加0，反码加1

1.3.5 浮点数运算

引入目的

• 在二进制位数不变的前提下，扩展可表示范围
• 定点数精度比浮点数大

格式

浮点数数值： $N=r^E\times M$

阶码

阶码反映浮点数表示范围及小数点位置

阶码是用补码或移码表示的定点整数

阶码的表示算数左移位数

尾数

尾数反映精度

尾数是用原码或补码表示的定点小数

尾数越少，可表示的精度越低

如

7位阶码，1位数符，8位尾数。若阶码用移码，尾数用补码表示，则浮点数所能表示数的范围

• 阶码最大 $2^7-1=63$

  尾数范围 $-1\sim 1-2^{-8}$

  $-2^{63}\sim (1-2^{-8})\times 2^{63}$

规格化

没有隐含1，尾数最小值为-1

有隐含1，尾数最小值 $-(2-2^n)$

尾数规格化

规格化浮点数：规定位数的最高数值位必须是一个有效值

左规：当浮点数运算的结果为非规格化时要进行规格化处理，将 尾数算数左移一位，阶码减一

右规：当浮点数运算的结果位数出现溢出（双符号位为01或10）时，将 尾数算数右移一位，阶码加一

用原码表示的尾数进行规格化

正数 $0.1XXX..XX$ 的形式。其最大值表示为 $0.\underset{n}{\underbrace{\mathrm{11..1}}}$ ，最小值表示为 $\mathrm{0.10..0}$ 。尾数的表示范围为 $\frac{1}{2}\le M\le (1-2^{-n})$

负数为 $1.1XXX..XX$ 的形式。 其最大值表示为 $1.\underset{n}{\underbrace{\mathrm{10..0}}}$ ，最小值表示为 $1.\underset{n}{\underbrace{\mathrm{11..1}}}$ 。尾数的表示范围为 $-(1-2^{-n})\le M\le -\frac{1}{2}$

用补码表示的尾数进行规格化

正数 $0.1XX..X$ 的形式。其最大值表示为 $0.\underset{n}{\underbrace{\mathrm{11...1}}}$ ，最小值表示为 $\mathrm{0.10..0}$。尾数的表示范围为 $\frac{1}{2}\le M\le (1-2^{-n})$ 。

负数 $1.0XX..X$ 的形式。其最大值表示为 $1.\underset{n}{\underbrace{\mathrm{01...1}}}$ ，最小值表示为 $\mathrm{1.00..0}$ 。尾数的表示范围为 $-1\le M\le -(\frac{1}{2}+2^{-n})$

浮点数可表示范围

阶码和尾数均用补码 表示，阶码部分共 $K+1$ 为(含1位阶符)，尾数部分共 $n+1$ 位(含1位数符)，则这样的浮点数的表示范围是多少

浮点数	阶码	尾数	真值
(规格化)最大正数	$0,\underset{K}{\underbrace{1\cdots 1}}$	$0.\underset{n}{\underbrace{11\cdots 11}}$	$(1-2^{-n})\times 2^{2^k-1}$
最小正数	$1,\underset{K}{\underbrace{0\cdots 0}}$	$0.\underset{n}{\underbrace{00\cdots 01}}$	$2^{-n}\times 2^{2^{-k}}$
规格化最小正数	$1,\underset{K}{\underbrace{0\cdots 0}}$	$0,\underset{n}{\underbrace{10\cdots 0}}$	$2^{-1}\times 2^{-2^k}$
(规格化)最小负数	$0,\underset{k}{\underbrace{1\cdots 1}}$	$1.\underset{n}{\underbrace{00\cdots 00}}$	$(-1)\times 2^{2^k-1}$
最大负数	$1,\underset{K}{\underbrace{0\cdots 0}}$	$1.\underset{n}{\underbrace{11\cdots 11}}$	$-2^{-n}\times 2^{-2^k}$
规格化最大负数	$1,\underset{K}{\underbrace{0\cdots 0}}$	$1.\underset{n}{\underbrace{01\cdots 11}}$	$-(2^{-n}+2^{-1})\times 2^{-2^k}$

IEEE754

引入目的：增加数据的表示精度

格式

规格化的单精度浮点数：$(-1{)}^s\times 1.M\times 2^{E-127}$

• 尾数实际尾数为24
  

类型	数符s位数	阶码E位数	尾数M位数	总位数	阶码偏移值$(2^{阶码位数-1})$
单精度浮点数(float)	1	8$(-126\sim 127)$	23	32	127
双精度浮点数(double)	1	11	52	64	1023

IEEE754移码

$E-127=E的二进制表示+10000001$

阶码真值=阶码无符号整数值-阶码偏移值

阶码	无符号整数	阶码真值(IEEE偏移值$-(2^{n-1}-1)$)
0000 0001	1	-126
0000 0010	2	-125
…	…	…
0111 1111	127	0
1000 0000	128	1
…	…	…
1111 1110	254	127

阶码全0和全1代表特殊含义

IEEE754浮点数范围

格式	规格化的最小绝对值	规格化的最大绝对值
单精度	E=1；M=0；$1.0\times 2^{1-127}=1.0\times 2^{-126}$	E=254；M=.11…1；$\mathrm{1.11...1}\times 2^{254-127}=(2-2^{-23})\times 2^{127}$
双精度	E=1；M=0；$1.0\times 2^{1-1023}=1.0\times 2^{-1022}$	E=2046；M=.11…1；$\mathrm{1.11...1}\times 2^{2046-1023}=(2-2^{1023})\times 2^{1023}$

阶码E全为0，尾数M不全为0——非规格化小数

阶码E全为0，尾数M全为0——真值0

阶码E全为1，尾数M全为0——无穷大

阶码E全为1，位数M不全为0——非数值

溢出

加减运算

强制类型转换

• IEEE754尾数默认省略最高位1
• 当 int 类型转浮点数类型，若整数位数>24位，会有舍入误差

举例

若 i 是一个 int 型整数，f 和 d 分别为 float 型(32位) 和 double (64位) 实数。判断各布尔表达式的布尔值

1. i==(int)((double)i)

   true : int 32位有效数字，double为52+1=53位有效数字，所以强制转化为 double 类型后在转回去不会 发生精度损失

2. f == (float)((int)f)

   false: float 型有小数部分，转为int后可能没有小数部分

   float转为int有32位有效数字，再转回float后，可能丢失有效数字

3. f == (float)((double)f)

   true: double比float精度高，float转为double不会丢失精度

4. d == (double)((float)f)

   false: float尾数有效位数小于double，所以 (float)f 会丢失精度，再转回 double后，不相等

1.4 运算器构造与功能

1.5 加法器

1.5.1 一位全加器FA

作用：求本位和、进位

1.5.2 串行加法器

作用：完成两个n位二进制数的加法

1.5.3 并行加法器

$$\begin{array}{rl}& C_i=A_i{B}_i+(A_i\oplus B_i)C_{i-1}\\ & C_{i-1}=A_{i-1}{B}_{i-1}+(A_{i-1}\oplus B_{i-1})C_{i-2}\end{array}$$

根据进位计算公式，发现当前公式中进位是上一公式计算得出的，而上一公式中的进位是由其上一位公式计算的出的。最终可以展开到 $C_0$ ，这样 $C_i$ 就不需要等待 $C_{i-1}$ 计算完成后再进行计算。

串行连接

将n个并行全加器串接起来，就可进行两个n位数相加

串行进位又称行波进位，每一级的进位直接依赖于前一级的进位，即进位信号是逐级形成的

• 运算的速度取决于进位产生和传递速度

并行连接

并行进位的并行加法器（先行进位，同时进位）：各级进位信号同时生成

$$\begin{array}{rl}& G_i=A_i{B}_i{P}_i=A_i\oplus B_i\\ & C_i=A_i{B}_i+(A_i\oplus B_i)C_{i-1}=G_i+P_i{C}_{i-1}\\ & \\ & C_1=G_1+P_1{C}_0\\ & C_2=G_2+P_2{C}_1=G_2+P_2(G_1+P_1{C}_0)\\ & C_3=G_3+P_3{C}_2=G_3+P_3(G_2+P_2(G_1+P_1{C}_0))\\ & \dots \end{array}$$

• $G_i$ 为进位产生函数，当 $G_i==1$ 时，一定会产生进位
• 进位传递函数：当 $A_i$ 与 $B_i$ 只有一个1，会把 $C_{i-1}$ 传递到高位 $C_i$
  
  根据进位函数，构造 先行进位电路CLA

ALU

1.5.4 分组并行进位加法器

单级先行进位

组内并行、组件串行

由于并行加法器在计算进位时，越高位用到的逻辑门元件越多，而 $C_1\sim C_4$ 的产生速度很快， 所以将一个4位CLA作为一个组，组内进位可同时得出，产生一个组进位

$$\begin{array}{rl}& C_1=G_1+P_1{C}_0\\ & C_2=G_2+P_2{C}_1=G_2+P_2(G_1+P_1{C}_0)\\ & C_3=G_3+P_3{C}_2=G_3+P_3(G_2+P_2(G_1+P_1{C}_0))\\ & C_4=G_4+P_4{C}_3=G_4+P_4(G_3+P_3(G_2+P_2(G_1+P_1{C}_0)))\end{array}$$
只有得到前一组的进位信号，本组才可以计算

ALU

多级先行进位

组内并行，组件并行

多个组的进位信号同时产生

ALU