计算机组成原理

计算机组成原理

二进制计算

进制运算

二进制小数——>十进制：

其实与二进制转换十进制类似，但是权位是从-1开始的

• N = (0.11001) = $1\times 2^{-1}+1\times 2^{-2}+1\times 2^{-5}=\frac{25}{32}$
• N = (0.01011) =$1\times 2^{-2}+1\times 2^{-4}+1\times 2^{-5}=\frac{11}{32}$

十进制小数——>二进制：

若将$\frac{25}{32}$转换为二进制

重复乘以2	得积	取数
25/32	50/32 = 1+9/16	1
9/16	18/16 = 1+1/8	1
1/8	1/4 = 0 + 1/4	0
1/4	1/2 = 0 + 1/2	0
1/2	1 = 1+0	1

将取出来的数从上到下拼起来便是0.11001。它就是从25/32转换而来的

二进制转十进制

例：1110 1111 —> 1×2的0次方+1×2的1次方+…+1×2的7次方 = 239

十进制转二进制

例：70 —>（64 + 4 + 2）= 1000000 + 100 + 10 = 1000110

7/16的二进制数：

定点数（定点整数 ， 定点小数）

例子 ： 11010101

定点整数 : 11010101 定点小数 ：0.11010101

有符号数和无符号数

原码表示法

• +237 = 0 1110 1101
• -237 = 1 1110 1101

规定符号位位于数值第一位，使用0表示正数、1表示负数，表达简单明了，是人类最容易理解的表示法。

原码表示法的问题

1.当想要用二进制表示0这个整数时，它会有两种情况：00、10，代表+0、-0。这显然是不合理的。

2.原码进行运算非常复杂，特别是两个操作数符号不同的时候。有以下步骤：

• 判断两个操作数绝对值大小
• 使用绝对值大的数减去绝对值小的数
• 对于符号为，以绝对值大的为准

原码表示法改进的思路

• 希望找到不同符号操作数更加简单的运算方法
• 希望找到使用正数代替负数的方法
• 使用加法操作代替减法操作，从而消除减法

补码表示法

计算补码

补码的定义：$X=\{\begin{array}{ll}x& 2^n>x\ge 0\\ 2^{n+1}+x& 0>x\ge -2^n\end{array}$

1.假设n=4，x=13时，计算x的二进制原码和补码

• 原码：x=0,1101 （逗号前面的数字代表符号位）
• 补码：x=0,1101 （逗号前面的数字代表符号位）

2.假设n=4，x=-13时，计算x的二进制原码和补码

• 原码：x=1,1101
• 补码：$2^{n+1}+x=2^{4+1}-13=100000-1101=10011=1,0011$

3.假设n=4，x=-7时，计算x的二进制原码和补码

• 原码：x=1,0111
• 补码：$2^{n+1}+x=2^{4+1}-7=100000-0111=11001=1,1001$

补码表示法解决的问题

• **解决了：**希望找到使用正数代替负数的方法
• **没解决：**使用加法操作代替减法操作，从而消除减法。想要用加法操作代替减法操作，但是却在计算补码的过程中使用了减法。

反码表示法

反码的目的是找出原码和补码之间的规律，消除转换过程中的减法。

计算反码

反码的定义：$X=\{\begin{array}{ll}x& 2^n>x\ge 0\\ (2^{n+1}-1)+x& 0>x\ge -2^n\end{array}$

1.假设n=4，x=-13时，计算x的二进制原码和反码

• 原码：x=1,1101
• 反码：$(2^{n+1}-1)+x=(2^{4+1}-1)-13=011111-1101=10010=1,0010$

2.假设n=4，x=-7时，计算x的二进制原码和反码

• 原码：x=1,0111
• 反码：$(2^{n+1}-1)+x=(2^{4+1}-1)-7=011111-0111=11000=1,1000$

所以，可以总结出：

• 负数的反码等于原码除符号位外按位取反
• 正数的反码就是原码
• 负数的补码等于反码+1

小数的二进制补码表示法

二进制小数的补码公式：$X=\{\begin{array}{ll}x& 1>x\ge 0\\ 2+x& 0>x\ge -1\end{array}$

1.假设$x=\frac{9}{16}$，计算x的二进制原码、反码、补码

• 原码：x=0,0.1001 （逗号前一位为符号位，注意区分逗号和小数点）
• 反码：x=0,0.1001
• 补码：x=0,0.1001

2.假设$x=-\frac{11}{32}$，计算x的二进制原码、反码、补码

• 原码：x=1,0.01011 （逗号前一位为符号位，注意区分逗号和小数点）
• 反码：x=1,1.10100 (取反码时要注意，小数点前面的也要取反，但符号位不取反)
• 补码：x=1,1.10101

定点数的表示方法

小数点固定在某个位置的数称之为定点数

纯小数：符号位 .数值位，小数点在符号位于数值位之间。

纯整数：符号位 数值位.，小数点位于数值位的末尾

当一个数不是纯整数也不是纯小数时，那么就要==乘以比例因子来满足定点数保存格式==。

浮点数的表示方法

为什么有了定点数表示方法还要用浮点数？

• 计算机处理的数据大多数并不是纯小数或纯整数
• 数据范围很大，定点数难以表达

浮点数的表示格式

公式：$N = S\times r^j $

S：尾数（分正负） r：基数 j：阶码（分正负）

二进制存储方式：

阶码符号位 | 阶码数值位 | 尾数符号位 | 尾数数值位

尾数必须使用纯小数

若想用二进制表示$0.110101\times 2^{10}$和$0.0110101\times 2^{11}$，以下是示例：

N	阶码符号位	阶码数值位	尾数符号位	尾数数值位（8位）	结果
11.0101=$0.110101\times 2^{10}$	0	10	0	11010100	010011010100
11.0101=$0.0110101\times 2^{11}$	0	11	0	01101010	011001101010

当“尾数数值位”有规定位数时，不足位数则在末尾补0。以上示例规定为8位，不够则在末尾补0

浮点数的表示范围

假设阶码数值取m位，尾数数值取n位

$N = S\times r^j $

阶码范围：

• 阶码能够表示的最大值：$2^m-1$
• 阶码能够表示的最小值：$-(2^m-1)$
• 阶码表示范围：$[-(2^m-1),2^m-1]$

尾数范围（尾数必须是纯小数）：

• 尾数能够表示的最大值：$1-2^{-n}$
• 尾数能够表示的最小值：$2^{-n}$
• 尾数表示范围：$[2^{-n},1-2^{-n}]$

浮点数的范围：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QJivdVUI-1630937130502)(md%E5%9B%BE%E7%89%87/image-20200818201623891.png)]

浮点数的规格化

浮点数的规格化有以下要求：

• 尾数规定使用纯小数
• 尾数最高位必须是1。（最高位其实是小数点后的第一位）

**示例：**11.0101=$0.110101\times 2^{10}$。正确形式

• 11.0101=$0.0110101\times 2^{11}$。错误，尾数最高位不为1
• 11.0101=$0.00110101\times 2^{100}$。错误，尾数最高位不为1
• 11.0101=$1.10101\times 2^1$。错误。尾数不是纯小数

**例子1：**设浮点数字长为16位，阶码为5位，尾数为11位，将十进制数13/128表示为二进制浮点数。

• 原码=反码=补码：x=0.0001101000 （尾数11位，包括尾数符号位的0）

  （小数点前面的那个0不算进尾数，那个0的作用是告诉人们尾数是纯小数）

• 浮点数规格化：x=$0.1101000\times 2^{-11}$

阶码符号位	阶码数值位	尾数符号位	尾数数值位
1	0011	0	1101000000

阶码数值位不够时，在前面补0。尾数数值位不够时，在末尾补0

**例子2：**设浮点数字长为16位，阶码为5位，尾数为11位，将十进制数-54表示为二进制浮点数。

• 原码：x=1,110110
• 浮点数规格化：x=$-0.110110\times 2^{110}$。
  • 尾数符：1
  • 尾数：1101100000 （小数点前面的那个0不算进尾数，那个0的作用是告诉人们尾数是纯小数）
  • 尾数反码：0010011111
  • 尾数补码：0010100000

阶码符号位	阶码数值位	尾数符号位	尾数数值位
0	0110	1	0010100000

定点数与浮点数的对比

• 当定点数与浮点数位数相同时，浮点数表示的范围更大
• 当浮点数尾数为规格化数时，浮点数的精度更高
• 浮点数运算包含阶码和尾数，浮点数的运算更为复杂
• 浮点数在数的表示范围、精度、溢出处理、编程等方面均优于定点数
• 浮点数在数的运算规则、运算速度、硬件成本方面不如定点数

定点数的加减法运算

定点数的加法

• 整数加法：A[补]+B[补]=(A+B)[补]$(mod{2}^{n+1})$
• 小数加法：A[补]+B[补]=(A+B)[补]$(mod2)$

数值位与符号位一同运算，并将符号位产生的进位自然丢掉。以上mod的作用其实就是把符号位产生的进位丢掉

**例子1（整数）：**A=-110010，B=001101，求A+B

• A[补]=1,001110
• B[补]=B[原]=0,001101
• A[补]+B[补]=(A+B)[补]=1,011011
• 结果：A+B=-100101

**例子2（小数）：**A=-0.1010010，B=0.0110100，求A+B

• A[补]=1,1.0101110 （逗号前一位是符号位）
• B[补]=B[原]=0,0.0110100
• A[补]+B[补]=(A+B)[补]=1,1.1100010。本条式子求出来的是A+B的补码，还要转换成为原码才能知道A+B的值。因此通过将补码-1再取反就可以求出原码
• A+B的补码-1等于-1.1100001，然后再取反就等于-0.0011110
• 结果：A+B=-0.0011110

例子3（整数）：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xipqiyXN-1630937130505)(md%E5%9B%BE%E7%89%87/image-20200819000400067.png)]

**例子4（小数）：**A=-10010000，B=-11010000，求A+B

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-uzh0Jtay-1630937130507)(md%E5%9B%BE%E7%89%87/image-20200819001911165.png)]

在例4里，A是负数、B是负数，但是A+B的结果为什么是整数呢？其实这里发生了溢出。A和B都由一个符号位和八个数值位组成，而八个二进制数的补码能表示的范围其实是[-128,127]。因为A+B=-144-208=-352超过了8位二进制补码能表示的范围，所以就产生了溢出，发生了结果异常的现象

判断溢出

双符号位判断法：

• 原本用一个符号位表示，现在用两个符号位表示：0—>00，1—>11
• 双符号位产生的进位也丢弃
• 计算出的结果的双符号位不同则表示溢出

现在我们使用双符号位来判断例4是否产生溢出：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hU0uHtOV-1630937130510)(md%E5%9B%BE%E7%89%87/image-20200819003629423.png)]

现在我们再使用双符号位来判断例3是否产生溢出：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5ma0fb2A-1630937130512)(md%E5%9B%BE%E7%89%87/image-20200819004155861.png)]

定点数的减法

• 整数减法：A[补]-B[补]=A+(-B)[补]$(mod{2}^{n+1})$
• 小数减法：A[补]-B[补]=A+(-B)[补]$(mod2)$

-B[补]等于B[补]连同符号位全部取反，末位加1

如：B[补]=1,0010101，则(-B)[补]=0,1101011

**例子5（整数）：**A=11001000，B=-00110100，求A-B

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-qenMhZvp-1630937130513)(md%E5%9B%BE%E7%89%87/image-20200819010420564.png)]

浮点数的加减法运算

**步骤：**对阶——尾数求和——尾数规格化——舍入——溢出判断。

**示例：**若x=$0.1101\times 2^{01}$，y=$(-0.1010)\times 2^{11}$。计算x+y

对阶

• 浮点数尾数的运算简单
• 浮点数位数实际小数位与阶码有关
• 阶码按小阶看齐大阶的原则

对阶的目的是使得两个浮点数阶码一致，使得尾数可以直接运算。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sOXXTZDR-1630937130514)(md%E5%9B%BE%E7%89%87/image-20200819234218857.png)]

由于y的阶码大于x的阶码，所以将x的阶码变为11。然后x的尾数就要右移两位，变为001101，由于在该题目中尾数数值位只有四位，所以右移两位后001101的后两位就要舍弃掉，从而变成0011

尾数求和

• 使用补码进行运算
• 减法运算转化为加法运算

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6BX85spo-1630937130516)(md%E5%9B%BE%E7%89%87/image-20200819235210841.png)]

尾数规格化

• 对补码进行规格化需要判断两种情况：S>0和S<0
  • S[补]=00.1xxxxxx(S>0)
  • S[补]=11.0xxxxxx(S<0)

如果不满足此格式，需要进行左移，同时阶码相应变化

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZlZuiovN-1630937130517)(md%E5%9B%BE%E7%89%87/image-20200820000623717.png)]

尾数规格化（右移的情况）

• 一般情况下都是左移
• 双符号位不一致的情况下才需要右移（相当于定点运算的溢出情况）
• 右移，则需要进行舍入操作

舍入

采用0舍1入的机制（可以理解为二进制的四舍五入）

若S[补]=10.10110111。

• 双符号位不一致，所以进行右移的操作。
• 右移，移出的是最后的那个1，变成1.01011011。由于采用的是双符号位的形式，所以等同于11.01011011
• 根据舍入的原则——0舍1入。因此舍去了之后还要+1。所以将11.01011011+1变成最终结果：11.01011100
• 进行了一次右移操作，阶码要+1

舍入发生溢出的情况：

若S[补]=01.11111111。

• 双符号位不一致，所以进行右移的操作。
• 右移，移出的是最后的那个1，变成0.11111111。由于采用的是双符号位的形式，所以等同于00.11111111
• 根据舍入的原则——0舍1入。因此舍去了之后还要+1。所以将00.11111111+1变成01.00000000
• 由于双符号位还是不一致，所以还要进行右移操作。移出的是最后的那个0，变成0.10000000由于采用的是双符号位的形式，所以等同于00.10000000
• 根据舍入的原则——0舍1入。舍去的是0，所以不需要+1。最终结果为：00.10000000
• 进行了两次右移操作，阶码要+2

溢出判断

• 定点运算双符号位不一致为溢出
• 浮点运算尾数双符号位不一致不算溢出

如果规格化后，阶码双符号位不一致，则认为是溢出。

例子

若x=$0.11010011\times 2^{1101}$，y=$0.11101110\times 2^{1100}$，假设阶码6位，尾数8位，计算x+y

1. 对阶：

   由于x的阶码数值位比y的阶码数值位大，所以y的阶码要与x的阶码相同，因此要+1。并且y的尾数要右移一位。所以得出y=$0.01110111\times 2^{1101}$

2. 尾数求和：

   x尾数=00.11010011，y尾数=00.01110111。将两者相加等于01.01001010

3. 规格化（右规）：
   01.01001010——>00.10100101。根据根据舍入的原则——0舍1入，0舍去。变成00.10100101

4. 溢出判断：
   阶码双符号位一致，没有溢出

5. 结果：
   x+y[原]=x+y[补]=$0.10100101\times 2^{1110}$

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-uuTlJaQ9-1630937130518)(md%E5%9B%BE%E7%89%87/image-20200821010937212.png)]

IEEE 754标准

本处仅解析32位

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RoD3j1bT-1630937130519)(md%E5%9B%BE%E7%89%87/image-20200824205254572.png)]

值得注意的是：阶码采用移码表示，尾数采用原码表示

类型	数符	阶码	尾数数值	总位数	偏置值
短浮点数	1	8	23	32	127

在32位浮点数中，符号位占1位，尾数占23位，阶数占8位。在正常情况下，阶数不包括全零和全一的情况，偏置常数是127，因此阶码的取值范围是[-126,127]。尾数值等于1+尾数23位表示的小数。（尾数部分有个隐含的十进制1）

表示范围

格式	最小值	最大值
正数	E=1，M=0:$1.0\times 2^{1-127}=2^{-126}$	E=254，M= 0.11...1 + 1 :$1.11...1\times 2^{254-127}=2^{127}\times (2-2^{-23})$
负数	$-(2-2^{-23})\times 2^{127}$	$-1.0\times 2^{-126}$

为什么会有$2^{127}\times (2-2^{-23})$，$2-2^{-23}$代表的是什么意思？

其实尾数最大的时候是0.11...1，且根据IEEE754标准，尾数最高位还隐藏了一个1，所以尾数此时为1.11...1。那我们应该怎么表示1.11..1呢？其实我们可以使用1.11...1 = 2 - 0.00...1便可以表示出$2-2^{-23}$

转换运算

公式：$N = S\times r^j $

**例子1：**有一个IEEE754标准的单精度浮点数的十六进制表示为0x41390000，求该浮点数的十进制值。

• 转换：先将十六进制41390000转为二进制数：0100 0001 0011 1001。后面全为0，所以不用写出来都可以。
• 判断正负：转换后的二进制数第一位为0，所以最后求得的十进制是正数。
• 计算阶码：阶码有8位，也就是符号位后的8位都是代表阶码的移码。100 0001 0转换为十进制为130，再减去偏置值130-127=3。所以阶码为3。
• 计算尾数：阶码之后的二进制数便都是尾数，所以有011 1001（后面后面全为0，所以不用写出来都可以），那么就有——$2^{-2}+2^{-3}+2^{-4}+2^{-7}$。由于在IEEE754标准中，尾数最高位还有隐藏的1，所以有——$1+2^{-2}+2^{-3}+2^{-4}+2^{-7}$。
• 计算结果：根据公式有——$N=(1+2^{-2}+2^{-3}+2^{-4}+2^{-7})\times 2^3$。计算可得11.5625

.11…1，且根据IEEE754标准，尾数最高位还隐藏了一个1，所以尾数此时为1.11…1。那我们应该怎么表示1.11…1呢？其实我们可以使用1.11…1 = 2 - 0.00…1`便可以表示出$2-2^{-23}$

转换运算

公式：$N = S\times r^j $

**例子1：**有一个IEEE754标准的单精度浮点数的十六进制表示为0x41390000，求该浮点数的十进制值。

• 转换：先将十六进制41390000转为二进制数：0100 0001 0011 1001。后面全为0，所以不用写出来都可以。
• 判断正负：转换后的二进制数第一位为0，所以最后求得的十进制是正数。
• 计算阶码：阶码有8位，也就是符号位后的8位都是代表阶码的移码。100 0001 0转换为十进制为130，再减去偏置值130-127=3。所以阶码为3。
• 计算尾数：阶码之后的二进制数便都是尾数，所以有011 1001（后面后面全为0，所以不用写出来都可以），那么就有——$2^{-2}+2^{-3}+2^{-4}+2^{-7}$。由于在IEEE754标准中，尾数最高位还有隐藏的1，所以有——$1+2^{-2}+2^{-3}+2^{-4}+2^{-7}$。
• 计算结果：根据公式有——$N=(1+2^{-2}+2^{-3}+2^{-4}+2^{-7})\times 2^3$。计算可得11.5625

注：此乃黄敢敢夜观各大网站视频所学即得笔记，如有雷同，请联系我进行删除！阿里嘎多
又注：还没写完笔记哟，同步更新