计算机中的小数（上）-浮点数的表示

一、计算机如何处理小数？

• 直观的想法是采用BCD码来表示一个小数，例如1.23可用0001.0010 0011来表示，但每一位需要用4为bit来表示，需要占用很多的位数，从信息量的角度来说，如果采用32位bit，可以表示40多亿个不同的数，而用BCD编码则只能表示1亿个数；
• 对于数值很大或很小的数，需要消耗非常多的位数；

鉴于上述缺点，目前计算机选择采用科学计数法的方式，通过有限的有效数位、底数和指数，来描述很大范围的数值；由于在科学计数法中小数点的位置是可以移动的，所以也称之为浮点数。

二、浮点数的编码规则

目前计算机的浮点数标准都遵循IEEE 754标准；

三、IEEE 754标准

1. IEEE 754标准用$V=(-1{)}^s\times M\times 2^E$的形式来表示一个数；

2. IEEE 754标准规定的两个基本格式分别为单精度32位bit(float) 和 双精度64位bit(double)，格式如下。在此基础上还有扩展的格式，不过都大同小异。

• float格式

符号(s)	阶码(e)	尾数(f)
1bit	8bits	23bits

• double

符号(s)	阶码(e)	尾数(f)
1bit	11bits	52bits

• 符号位(s)：0正1负；

• 阶码(e)：指数部分,采用移码表示;对于规格数（整数部分非0），实际的值为$E=e-Bias$；对于非规格数，实际的值为$E=1-Bias$；其中$Bias=2^{(k-1)}-1$(k为阶码的位数，例如对于float，Bias=2^(8-1)-1=127);

1. 阶码为什么采用移码而不用补码？
   在浮点数运算时需要比较阶码的大小；补码需要判断符号位，比较大小很麻烦，而移码将有符号数偏移到正整数，易于比较大小；
   例如，8位阶码的范围为1~254（0和255为特殊情况），通过偏移127可映射到-126 ~ 127，大小的相对关系不变。
2. 非规格数实际的阶码为什么是$1-Bias$?
   从非规格化平滑过渡到规格化

• 尾数(f)：小数部分。对于规格数，实际的值为$M=1.f$；对于非规格数，实际的值为$M=0.f$；上述的整数部分在计算机中被隐藏，可节省存储空间（float的有效位数为24(隐含位1+23位尾数)；double的有效位数为53(隐含位1+52位尾数)）。
  总体表达式如下：
  $$(-1{)}^s\times 1.f\times 2^{(e-bias)}(规格数)$$
  $$(-1{)}^s\times 0.f\times 2^{(1-bias)}(非规格数)$$

除了非规格数和规格数，IEEE 754浮点数还定义了特殊数。以32位为例，三种数据格式汇总如下：

1、非规格数

s	0000_0000	f	$$(-1{)}^s\times 0.f\times 2^{1-127}$$

2、规格数

s	$\ne 0$ & $\ne 255$	f	$$(-1{)}^s\times 1.f\times 2^{e-127}$$

3、特殊数

s	1111_1111	$=0$	$(-1{)}^s\times \infty$

s	1111_1111	$\ne 0$	$NaN$

各类型数所对应的范围

规格化数的用途：

1. 能够表示位于0附近的极小数值；
2. 提供了表示数值0的方式。规格化数无法表示0，因为总存在一位为1，而非规格化数在阶码和有尾数全为零时可以表示0，虽然有$\pm 0$，不过影响不大。

四、总结

IEEE 754标准的编码规则十分巧妙，红字部分都是可以深究的部分，只有亲手推算每种类型的浮点数二进制表示才能体会这里面的细节。
这里可以通过手动输入数值，直观看到计算机内部浮点数的存储形式

五、参考文献

[1]《深入理解计算机系统》第3版
[2]《计算机组成与设计-软件/硬件接口设计》第5版
[3]《数字逻辑与计算机组成》
[4] IEEE 754-2019

相关阅读

计算机中的小数（下）-浮点数的运算
浮点数相关补充-编码方式与精度