计算机组成和体系结构 第二章:计算机的数据表示

第二章 计算机的数据表示

目录

第二章 计算机的数据表示

0x00 数据编码的概念

0x01 数值数据的编码

（1）定点数的存储形式：小数点固定的数

（2）浮点数的编码表示：

非标准浮点数的表示:

<1>浮点数尾数的规格化：

<3>n位浮点数的表示范围：

<4> IEEE754标准浮点数的表示:

---

数值数据的编码无非就是讨论三类问题：

1.纯整数计算机怎么存？ 存补码

2 纯小数计算机怎么存？ 只存小数部分，然后在之前填上符号位即可

3. 既有整数部分又有小数部分的数据计算机怎么存？

0x00 数据编码的概念

数据是计算机处理的对象

分类：

1. 数值数据
2. 非数值数据

数据必须经过编码才能被计算，处理，存储，传输

编码是采用少量基本符号（0,1）规定一系列组合规则来表示大量复杂的信息。

基本符号：

位：bit

最基本的存储单元

位运算：与& 或| 非^  异或

思想：

两个数相加求全集，全集中减去自己就是对方。

异或可以理解为二进制加法。

自己异或自己=0

问题：

第一种如果两个地址相同就完蛋了

第二种如果两个数相等就完蛋了

 

字节：8bit

int x = 0x ff 11 22

小端系统：数值高位 放在 内存地址高位

数值地位放在 内存地址低位

大端系统：正好相反

字：2个字节或者4个字节

作业5.14

（2）

3

(3)

大端系统：

 

0x01 数值数据的编码

（1）定点数的存储形式：小数点固定的数

分为纯整数和纯小数

如果将小数点约定到最低位之后，那就是纯整数

并且如果约定最高位表示符号，可以表示正负。

如果没有约定最高位表示符号，则只能表示正

如果将小数点约定到最高位之前，那就是纯小数，即只能存小数点之后的数据。

如果想表示负的纯小数，则将最高位作为符号位，小数点位于符号位之后。

例如：1.100 0000（原码）就表示 -0.100 0000

表示定点数的四种编码：

1.原码：

符号数值表示法

定点小数的原码：

注意：定点小数 二进制 转 原码

（1）小数点后部分保留（没有存0的必要，不如存0的位置来存符号位）

（2）最高位填上符号位

这样在计算机中，整数 的表示形式 其实 和纯小数的表示是相同的

比如 0 000 0001 既可以看成 是+000 0001

也可以看成+.000 0001

特点：

0有两种编码：正0和负0，这会为数学运算造成问题

负数原码的码值>正数原码的码值(码值=符号位+数据位)

2.反码：

正数和0 的反码 = 原码

负数的反码 = 符号位为1 其余位 取反

特点:

1. 最高位是符号位 0表示正 1表示负
2. 0的反码是不唯一的，
3. 负数反码的码值>正数反码的码值

3.补码：

正数和0的补码=原码

负数的补码 = 符号位为1，数值位取反+1（取反加1操作称为求补运算）

如何由负数的补码求原码呢？对负数的补码的数值位再次求补运算即可。

求补运算的特点：就像开关一样，按两次就回到原来的状态

特点：

最高位是符号位 0表示正 1表示负

0的补码是唯一的：

【-0】补=1 111 1111 +1 = 0000 0000

虽然是数值位+1,但是计算机中符号位和数值位是连续存储的，所以+1进位会影响到符号位，并且最后会溢出

符号位的扩展：

在将两个8位补码相加的时候，我们担心结果溢出，所以需要先将8位补码扩展成16位

如何将8位补码扩展成16位的补码：

将符号位扩展8位！因为最后解释16的补码的时候，将最高位解释为符号位，其余的15位是数值位，求补运算后得到真值。

而符号位后的7个1，正好在对补码进行求补运算求真值的时候

7个1全部变成0！这样得到的真值才是正确的！

注意：

-128 转化为二进制为-1000 0000

补码符号位为1 数值位=二进制的后7位 取反加1，溢出部分舍弃

所以-128的补码 = 1000 0000

1000 0000在解释的时候1解释为负

000 0000 求补运算 = 111 1111 + 1 = 1000 0000=128

所以为-128

移码：
正数和0 的移码，符号位为1 数值位不变

负数的移码，符号位为0，数值位求补运算

特点：

最高位为符号位，1表示正，0表示负

0的移码唯一 = 1000 0000

正数的码值 > 负数的码值 可以一眼看出正负数的大小，浮点数的指数用移码

移码和补码的转换：符号位取反即可

移码的本质：移码相当于将真值在数轴上移动了128位，如上图真值0移动到了真值128的位置，移动了128

作业：已完成并提交

定点整数的补码的范围的推导方法：

正数：0111 1111=+（111 1111）=127 数值位取全1最大

负数：1000 0000= -（111 1111+1）=-128数值位取全0最大

定点小数的补码的范围的推导：

（2）浮点数的编码表示：

非标准浮点数的表示:

浮点数=尾数*基数^阶数

二进制浮点数的表示形式:v=(-1)^s * F * 2^E

s用来控制正负（要么是0要么是1）。叫做 尾符

F是尾数（一般用补码，在IEEE754浮点数中用 原码来表示）

2是基数

E是阶数（一般用移码来表示）

如何将v存入计算机呢？

需要将s，f，e存起来，有了这三部分就能还原出浮点数，而公式中的-1和2已经约定好了，所以不用存

s尾符占1位（要么是0要么是1）将f对补码进行编码，将e用移码进行编码

首先，存储一个浮点数的总位数是事先固定好的，例如C语言中float是4字节，double是8个字节。

尾数f来控制浮点数的精度，尾数f位数多则这个数的精度就高

阶数e来控制浮点数的大小，阶数e的位数多则能存的浮点数的范围大

也就是说f占的位数多了，e占的位数就少了。

<1>浮点数尾数的规格化：

因为浮点数小数点可以浮动，所以浮点数有无数种表示形式

为了让浮点数有唯一的存储形式，所以需要尾数的规格化

即将尾数F的值如下限制：

因为F是用补码表示的，1/2补码表示如下（定点小数补码表示,小数点前为符号位）

注：用8位来表示纯小数，为什么-1.0的补码是1 000 0000？

因为计算机是这样处理 1 000 0000的：

首先，计算机将 1 提取出来作为符号位 表示负,

然后将  000 0000 求补运算 ，计算数值位

即 111 1111+1即 1000 0000，因为小数点在1之后

所以数值位就是1.0

<2>计算机存储浮点数的步骤：

1.十进制转化为二进制

2.对二进制的F规格化(如果是正数,应该在1/2 和1 之间，如果是负数应该在-1到-1/2之间)

3.S编码 0表示正 1表示负

4.对阶数进行编码 移码

5.对尾数F进行编码 补码

例如：V1 =  25.5存入计算机，假设指数用移码编码4位数值位 1位符号位（一共5位，最高位

为符号位，尾数用补码表示，6位数值位，1位符号位

（1）十进制转化为2进制 25.5 = 11001.1 = （-1)^ 0 *(11001.1)*2^(0)

（2）二进制形式的尾数规格化，因为是整数，所以尾数应该在0.5和1之间

(-1)^0 *(0.110011) * 2^(+5)

(3)对 S E F分别进行编码

S       0

E      原码 00101 补码 00101 移码10101

F     原码 0.110011 补码 0.110011 （计算机中存0 110 011） 计算机存储纯小数 只存小数点后的位数（没有必要存小数点前

的0，因为是默认的），然后在

最高位上添上符号位即可。 所以纯小数的原码反码补码转化

可以忽视掉写的小数点，直接看成0 110011 转化反码和补码 ，这样取反加一这些操作就和以前一样了。

（有时带上小数点容易搞乱，不知道取反加一应该怎么操作，直接去掉小数点就可以了）

V2 = -12.25

（1） V2 = -1100.01

（2）规格化 -0.110001 * 2^（4）

（3）编码(其实f就可以涵盖s，直接对f进行编码即可)

F: -0.110 001 = 1 110 001（原码） = 1 001 111 （补码）

E: 1 0100

作业：

	阶码（16进制）	尾数（16进制）	真值（10进制）
最大正数	11 1111（+1F）	0 1 1111 1111（+0.1FFH）	2143289344
最小正数	10 0001（1）	0 1 0000 0000（+0.1H = +0.5）	1
最大负数	00 0000（-20H）	1 0 1111 1111（-0.101H）
最小负数	011 1111（-1H） 11 1111（+1F）	1 0 0000 0000（-0.200H）	-2143289344

(2)

注：判断一个十进制数是否能用二进制表示的方法：如果一个十进制数能写成 x*2^y的形式，那么久可以。

3.14不行，不能转化为有限的二进制

-1917=（-1）^0*(111 0111 1101)*2^(0) = (-1)*(0.11101111101)*2^(11) 尾数超过10位不能表示

<3>.105/512 =（-1)^0*()

<4>.不能

<5>不能

	s	e	f
-1917	0	101 011	1 11011 11101（尾数超过了10位不能表示）

<3>n位浮点数的表示范围：

例题：一个24位的浮点数的表示范围是多少？

e的范围：8位移码 -2^7<=E<=2^7-1

f的范围：

f是用定点小数的形式的存储的，所以小数点前的0和1表示符号位。

0.1xxxx:

+.1000... 到+.11111....

+0.5 <=F<=1-2^(-15)

1.0xxxx: -1<F<

注：

0.1怎么转10进制？0.1+0.1=1 所以0.1 = 1-2^-1

同理0.11111..后面15个1怎么转10进制呢？当然是加上0.0000...1 凑成1，所以0.11111= 1- 2^(-15)

 

<4> IEEE754标准浮点数的表示:

单精度扩展，C语言没有实现，一定比单精度精度高，但是不一定比双精度高

例如：

存储步骤仍然是相同的：

 

单精度编码：

上图（-1）是^1,写错了

754标准的规格化：

1.xxxxx 即小数点前是1，小数点后任意

754规定对f的编码：就是用真值。把小数点后抄下来即可，位数不够则在末尾补0，小数点前的1是数值，不表示符号，不存（因为是规格化好的）

754对e的编码：用移码表示

n为分配给e的长度（754规定为8位），E是10进制的e，即上文中的6

e=E+(2^(n-1)-1)

754的移码：将真值移动了127位，（原来的移码是将真值移动了128）

双精度编码：

 

作业：IEEE754标准的浮点数：2.22①②

 

以迷你精度的754浮点数为例：

s用1位表示，e用4位表示，f用3位表示，所以：e = E +（2^(4-1)-1） =E +7 即 E = e-7

 

f非规格化时和f规格化时:

f非规格化：小数点前是0

f规格化：小数点前是1

 

非规格化向规格化数的过度是平滑的

离原点越近码点约密集，离原点约远码点约稀疏。