第 2 章数据的表示和运算

内容

数制和编码
- 进位计数制及其相互转化；定点数的编码表示
运算方法和运算电路
- 基本运算部件：加法器，算术逻辑单元 ALU
- 加减运算：补码加减运算器，标志位的生成
- 乘除运算：乘除法运算的基本原理，乘法运算和除法电路的基本结构
整数的表示和运算
- 无符号整数的表示和运算；带符号整数……
浮点数的表示和运算
- 浮点数的表示： IEEE 754 标准；浮点数的加减法运算

2.1. 数制与编码

2.1.1. 进位计数制及其相互转换

计算机内部使用二进制来编码

二进制只有两种状态，使用有两个稳定状态的物理器件就可表示每一位。
二进制位 1 和 0 恰好对应“真”和“假”，为逻辑运算和程序中的逻辑判断提供便利条件。
编码和运算规则简单，通过逻辑门电路能方便实现算术运算

一个 $\displaystyle{ r }$ 进制数 $K_nK_{n-1} \cdots K_{0}K_{-1}\cdots K_{-m}$ 可表示为

K_nr^n+K_{n-1}r^{n-1}+\cdots +K_{0}r^{0}+K_{-1}r^{-1}+\cdots + K_{-m}r^{-m}=\sum_{i=n}^{-m}K_{i}r^{i}

这部分导论讲得太清楚了，已经刻入 DNA 了，不写了

一些例子

$\displaystyle{ \left( 1702.32 \right) _{ \left\lbrace 8 \right\rbrace } = \left( 001 , 111 , 000 , 010.011 , 010 \right) _{ \left\lbrace 2 \right\rbrace } }$
$\displaystyle{ \left( 3 C 2.68 \right) _{ \left\lbrace 16 \right\rbrace } = \left( 0011 , 1100 , 0010.0110 , 1000 \right) _{ \left\lbrace 2 \right\rbrace } }$
$(11011.1)_{2}=1\times 2^{4}+1 \times 2^{3}+0\times 2^{2}+1\times 2^{1}+1\times 2^{0}+1\times 2^{-1}=27.5$

2.1.2. * BCD 码

四位一组，用四位表示一位十进制数

2.1.3. 定点数的编码表示

根据小数点的位置是否固定，在计算机中有两种数据格式：定点表示和浮点表示。常用定点补码整数表示整数，用定点原码小数表示浮点数的尾数部分，用移码表示浮点数的阶码部分。

1. 机器数的定点表示

定点整数：是纯整数，约定小数点位置在有效数值部分最低位之后。最高位为符号位，其余为数据位
定点小数：是纯小数，约定小数点在符号位之后、有效数值部分最高位置之前。若数据 $X=x_{0}x_{1}x_{2}\cdots x_n$ ， $\displaystyle{ x _{ 0 } }$ 是符号位， $\displaystyle{ x _{ \left\lbrace 1 \right\rbrace } }$ 是最高有效位， $x_{1}\cdots x_n$ 为数值的有效部分。

2. 原码、补码、反码、移码

1. 原码表示

纯小数

[x]_{\text{O} }= \begin{cases} x& 1 > x \geq 0 \\ 1-x=1+|x| & 0 \geq x > -1 \end{cases}

$\displaystyle{ x _{ 1 } = + 0.1101 , x _{ 2 } = - 0.1101 }$ ，字长为 8 位，则原码为 $\displaystyle{ \left[ x _{ 2 } \right] _{ O } = 0.1101000 }$ ， $\displaystyle{ \left[ x _{ 2 } \right] _{ O } = 1 - \left( - 0.1101 \right) = 1.1101000 }$ ，其中最高位为符号位

纯整数的原码

[x]_{\text{O} } = \begin{cases} 0,x&2^n>x\geq 0 \\ 2^n-x=2^n+|x| &0 \geq x > -2^n \end{cases}

$\displaystyle{ x _{ 1 } = + 1110 , x _{ 2 } = - 1110 }$ ，字长为 8 位，原码为 $\displaystyle{ \left[ x _{ 1 } \right] _{ O } = 0 , 0001110 }$ ， $\displaystyle{ \left[ x _{ 2 } \right] _{ O } = 2 ^{ 7 } + 1110 = 1 , 0001110 }$ ，其中最高位为符号位

原码整数的表示范围关于原点对称，若字长为 $\displaystyle{ n + 1 }$ ，表示范围为 $-(2^n-1) \leqslant x \leqslant 2^n-1$ 。

源码有正零和负零

2. 补码表示

纯小数

[X]_{\text{C} } = \begin{cases} x & 1 > x \geq 0 \\ 2 + x = 2 - |x| & 0 > x \geq -1 \end{cases} \pmod{2}

若 $\displaystyle{ x _{ 1 } = + 0.1001 , x _{ 2 } = - 0.0110 }$ ，字长为 8 位，其补码表示 $\displaystyle{ \left[ x _{ 1 } \right] _{ C } = 0.1001000 }$ ， $\displaystyle{ \left[ x _{ 2 } \right] _{ C } = 2 - 0.0110 = 1.1010000 }$

若字长为 $\displaystyle{ n + 1 }$ ，则补码表示的范围是 $-1 \leqslant x \leqslant 1-2^{-n}$

纯整数

[x]_{\text{C} } = \begin{cases} 0,x & 2^n> x \geq 0 \\ 2^(n+1) + x = 2^(n+1) - |x| & 0 \geq x \geq -2^n \end{cases}

正数与原码一致，负数与自身的绝对值相加得到 $\displaystyle{ 2 ^{ n + 1 } }$

若字长为 $\displaystyle{ n + 1 }$ ，表示范围为 $-2^n \leqslant x \leqslant 2^n-1$ ，零是唯一的。

4. 移码表示浮点数的阶码

只能表示整数

移码就是在真值 $\displaystyle{ X }$ 上加上一个常数（偏置值），通常取 $\displaystyle{ 2 ^{ n } }$ ，相当于在数轴上正向便宜若干单位。

[x]_{\text{shift} }=2^n+x

$-2^n \leqslant x \leqslant 2^n-1$ ，其中机器字长为 $\displaystyle{ n + 1 }$

移码中零表示唯一， $[0]_{\text{shift} }=2^n+0=2^n$ 。移码保持了数据原有的大小顺序。

2.1.4. 整数的表示

1. 无符号整数

一个编码的二进制位全部用来表示数值，范围是 $0\sim 2^n-1$ ，字长为 $\displaystyle{ n }$

2. 带符号整数

将符号数值化，将符号位放在有效数字的前面。通常用补码表示，若字长为 $\displaystyle{ n + 1 }$ ，表示范围为 $-2^n \leqslant x \leqslant 2^n-1$

2.2. 运算方法和运算电路

2.2.1. 基本运算部件

运算器由 ALU 、移位器、状态寄存器、通用寄存器等组成。基本功能包括加减乘除四则运算，与或非异或等逻辑运算，以及移位、求补等操作。 ALU 的核心是加法器。

1. 一位全加器

和与进位的表达式：

\begin{aligned} S_{i} & = A_{i} \oplus B_{i} \oplus C_{i-1} \\ C_{i} & = A_{i}B_{i} + (A_{i}\oplus B_{i}) C_{i-1} \end{aligned}

2. 串行进位加法器

把 $\displaystyle{ n }$ 个全加器相连可以得到 $\displaystyle{ n }$ 位加法器，称为串行进位加法器。每级进位直接依赖于前一级的进位，进位信号是逐级形成的。

进位运算较慢

3. 并行进位加法器

令 $G_{i}=A_{i}B_{i},P_{i}=A_{i}\oplus B_{i}$ ，全加器的进位表达式

\displaystyle{ C _{ i } = G _{ i } + P _{ i } C _{ i - 1 } }

其中 $\displaystyle{ G _{ i } = 1 }$ 或 $\displaystyle{ P _{ i } G _{ i - 1 } = 1 }$ 时， $\displaystyle{ C _{ i } = 1 }$

这种进位方式是快速的，与位数无关。但随着加法器位数增加， $\displaystyle{ C _{ i } }$ 的逻辑表达式会变得越来越长，使电路结构复杂。

4. 带标志加法器

无符号数加法器只能用于两个无符号数相加，不能进行带符号整数的加减运算。为了能进行带符号整数的加减运算，还需要在无符号数加法器的基础上增加相应的逻辑门电路，使得加法器不仅能计算和差，还能生成相应的标志信息。

溢出标志 OF $=C_n\oplus C_{n-1}$
符号标志 SF 即为结果的最高位
零标志 ZF 只有当结果为全 0 才为“真”
进位/借位标志 CF $=C_\text{out} \oplus C_{\text{in} }$

5. 算术逻辑单元 ALU

核心是带标志的加法器，同时也能执行与或非等逻辑运算。

2.2.2. 定点数的移位运算

1. 算术移位

对于正数，由于原码、反码、补码相同，因此移位后的空位都用 0 来补。

对于负数，则有不同的规则。原码补 0，补码左移填 0 ，右移填 1 ，反码填 1 。

对于补码，在右移的时候，需要保证符号不变，因此负数右移，前面需要填 1 。

2. 逻辑移位

直接视为无符号数

3. 循环移位

移出的数位又被移入数据中，而是否带进位要看是否将进位标志加入循环中。

2.2.3. 定点数的加减运算

1. 补码的加减运算

\begin{aligned} \left[A+B\right]_{ \text{C} }&=[A]_{\text{C}} + [B]_{\text{C}} \pmod 2^(n+1) \\ \left[A-B\right]_{ \text{C} }&=[A]_{\text{C}} + [-B]_{\text{C}} \pmod 2^(n+1) \end{aligned}

2. 补码加减运算电路

对于无符号数， OF 无意义， SF 无意义
对于无符号数， CF 有实际意义

3. 溢出判别方法

正 + 正 = 负（正 - 负 = 负）
负 + 负 = 正（负 - 正 = 正）

其实书上讲得这些方法感觉都很难去实际想象，可能更多讲得都是用于机器实现吧。

2.2.4. 定点数的乘除运算

1.定点数的乘法运算

由累加和右移实现，可分为原码一位乘法和补码一位乘法

原码一位乘法

符号位与数值位是分开求的。

\displaystyle{ x = - 0.1101 , y = 0.1011 }

采用原码乘法求

x \cdot y

$\displaystyle{ \left| x |= 0.1101 , \right| y |= 0.1101 }$

    0.0000    1011|   start
+|x|    0.1101       ^|   y4=1, +|x|
--------------        |
        0.1101        |
>>      0.0110    1101|1
+|x|    0.1101       ^|   y4=1, +|x|
--------------        |
        1.0011        |
>>      0.1001    1110|11
+ 0                  ^|   y4=0, + 0
--------------        |
        0.1001        |
>>      0.0100    1111|011
+|x|    0.1101       ^|   y4=1, +|x|
--------------        |
        1.0001        |
>>      0.1000    1111|1011

符号位为负，得 $x \cdot y=-0.10001111$

2. 无符号乘法运算电路

补码一位乘法（ Booth 算法）

有符号数的乘法，采用相加和详见操作计算补码数据的乘积

$[X]_C=x_{S}x_{1}x_{2}\cdots x_n$ ， $[Y]_C=y_{S}y_{1}y_{2}\cdots y_n$

符号位参与运算，运算的数均以补码表示
被乘数一般取双符号位参与运算，部分积取双符号位，初值为 0，乘数取单符号位
乘数末位增设附加位 $\displaystyle{ y _{ n + 1 } }$ ，初值为 0
根据 $\displaystyle{ \left( y _{ n } , y _{ n + 1 } \right) }$ 的取值来确定操作
移位按补码右移规则进行
按照上述算法进行 $\displaystyle{ n + 1 }$ 次操作，但第 $\displaystyle{ n + 1 }$ 步不移位，仅根据 $\displaystyle{ \left( y _{ n } . y _{ n + 1 } \right) }$ 的比较结果做相应计算。共进行 $\displaystyle{ n + 1 }$ 次累加， $\displaystyle{ n }$ 次右移

$\displaystyle{ y _{ n } }$ 高位	$\displaystyle{ y _{ n + 1 } }$ 低位	操作
0	0	部分积右移一位
0	1	部分积加 $\displaystyle{ \left[ X \right] _{ C } }$ ，右移一位
1	0	部分积加 $\displaystyle{ \left[ - X \right] _{ C } }$ ，右移一位
1	1	部分积右移一位

设

\displaystyle{ x = - 0.1101 , y = 0.1011 }

，采用 Booth 算法计算

x \cdot y

$\displaystyle{ \left[ x \right] _{ C } = 1.0011 , \left[ - x \right] _{ C } = 0.1101 , \left[ y \right] _{ C } = 0.1011 }$

  高位部分积     低位部分积/乘数
    0.0000    0.1011|0_    y4y5=10, +[-x]
+[-x]   0.1101          |
--------------          |
        0.1101          |
>>      0.0110    10.101|10    y4y5=11, +0
+0                      |
--------------          |
    0.0110          |
>>      0.0011    010.10|110   y4y5=01, +[x]
+[x]    1.0011          |
--------------          |
        1.0110          |
>>      1.1011    0010.1|0110  y4y5=10, +[-x]
+[-x]   0.1101
--------------
        0.1000
>>      0.0100    00010.|10110 y4y5=01, +[x]
+[x]    1.0011
--------------
    1.0111

结果为 $[x \cdot y]_(C)=1.01110001, x \cdot y=-0.10001111$

补码乘法运算电路

2. 定点数的除法运算

可转换成“累加-左移”，分为原码除法和补码除法

符号扩展

在算术运算中，又是必须把带符号的定点数转换成具有不同位数的表示形式。例如，某个程序需要将一个 8 位整数与另外一个 32 位整数相加，想要的到结构，必须先将 8 位数扩展到 32 位数。

正数的扩展只需在前面加 0
负数的扩展根据机器数的不同而不同。原码表示负数与正数相同，只是符号位为 1 。补码表示的负数：原有形式的符号位移动到新形式的符号位上，新表示的所有附加位，对于整数用 1 填充，对于小数用 0 填充。

原码除法运算（不恢复余数法）

也称原码加减交替除法。特点是商符和商值是分开进行的，剑法操作用补码加法实现，商符由两个操作数的符号位异或形成。

设被除数 $[X]_O=x_{S}x_{1}x_{2}\cdots x_n$ ，除数 $[Y]_O=y_{S}y_{1}y_{2}\cdots y_n$ ，则

商的符号 $Q_{S}=x_{s} \oplus y_{s}$
商的数值 $\displaystyle{ \left|Q\right| = \frac{ \left|X\right| }{ \left|Y\right| } }$

计算 $\displaystyle{ \left| Q \right| }$ 的运算规则：

先用被除数减去除数，当余数为正，则商上 1 ，余数和商左移一位，再减去除数；当余数为负，商上 0 ，余数和商左移一位，再加上除数。
当第 $\displaystyle{ n + 1 }$ 步余数为负时，需加上 $\displaystyle{ \left| Y \right| }$ 得到第 $\displaystyle{ n + 1 }$ 步正确的余数（余数与被除数同号）

设

\displaystyle{ x = 0.1011 , y = 0.1101 }

，采用原码加减交替除法求

\displaystyle{ \frac{ x }{ y } }

$\displaystyle{ \left| x |= 0.1011 , \right| y |= 0.1101 , \left[ \left| y \right| \right] _{ C } = 0.1101 , \left[ - \left| y \right| \right] _{ C } = 1.0011 }$

    被除数        商         说明
    0.1011       0.000|_
+[-|y|] 1.0011
--------------
    1.1110       0.000|0     部分余数为负，商上 0
<<      1.1100       0.00|0_
+[y]    0.1101
--------------
        0.1001       0.00|01     部分余数为正，商上 1
<<      1.0010       0.0|01_
+[-|y|] 1.0011
--------------
        0.0101       0.0|011     部分余数为正，商上 1
<<      0.1010       0.|011_
+[-|y|] 1.0011
--------------
        1.1101       0.|0110     部分余数为负，商上 0
<<      1.1010       |0.110_
+[y]    0.1101
--------------
        0.0111       |0.1101     部分余数为正，商上 1

$Q_{S}=x_{S}\oplus y_{S}=0$ ， $\displaystyle{ \frac{ x }{ y } = + 0.1101 }$ ，余数 $0.0111 \times 2^{-4}$

补码除法运算（加减交替法）

补码除法的特点是符号位与数值一起参与运算，商符自然形成。除法第一步根据被除数和除数的符号决定是做加法还是减法；上商的原则根据余数和除数的符号位共同决定，同号上商 1 ，异号上商 0 ，最后一步恒商 1

规则如下

符号位参加运算，除数与被除数均用补码表示，商和余数也用补码表示
若被除数与除数同号，则被除数减去除数；如果异号，则被除数加上除数
若余数与除数同号，则商上 1 ，余数左移一位减去余数；若余数与除数异号，则商上 0 ，余数左移一位加上除数
重复上一步 $\displaystyle{ n }$ 次
若对商的精度没有特殊要求，一般采用“末位恒置 1” 法

设

\displaystyle{ x = 0.1000 , y = - 0.1011 }

，采用补码加减交替法算

\displaystyle{ \frac{ x }{ y } }

$\displaystyle{ \left[ x \right] _{ O } = 0.1000 , \left[ x \right] _{ C } = 0.1000 }$ ， $\displaystyle{ \left[ y \right] _{ O } = 1.1011 , \left[ y \right] _{ C } = 1.0101 , \left[ - y \right] _{ C } = 0.1011 }$

    被除数        商          说明
    0.1000       0.000|_
+[y]    1.0101                   [x]补 与 [y]补 异号，+[y]补
--------------
        1.1101       0.000|1     部分余数与 [y]补 同号，上 1
<<      1.1010       0.00|1_
+[-y]   0.1011                   +[-y]补
--------------
        0.0101       0.00|10     部分余数与 [y]补 异号，上 0
<<      0.1010       0.0|10_
+[y]    1.0101                   +[y]补
--------------
        1.1111       0.0|101     部分余数与 [y]补 同号，上 1
<<      1.1110       0.|101_
+[-y]   0.1011                   +[-y]补
--------------
        0.1001       0.|1010     部分余数与 [y]补 异号，上 0
<<      1.0010       |1.010_
+[y]    1.0101                   +[y]补
--------------
        0.0111       |1.0101     末位恒置 1

有 $\displaystyle{ \left[ x {/} y \right] _{ C } = 1.0101 }$ ，余数 $0.0111 \times 2^{-4}$

除法运算电路

2.2.5. C 语言中的整数类型及类型转换

1. 有符号数和无符号数的转换

对于两者都能表示的数，希望转换过程中数值本身不发生变化。而对于转换后无法表示的数，大多会直接按照二进制代码翻译。

例如对于 short 类型的变量 $\displaystyle{ y = - 1 }$ ，在强制转换为 unsigned short 是变成了 65535，因为两者的二进制一致。

2. 不同字长整数之间的转换

当大字长变量强制类型转换时，会把多余的高位部分直接截断，低位直接赋值。
小字长转换时会对高位进行填充：无符号数会进行 0 扩展，带符号数会进行符号扩展。

2.2.6. 数据的存储和排列

1. 大端方式和小端方式

数据从低位到高位可以从左到右，也可以从右到左排列。通常用最低有效字节 LSB 和最高有效字节 MSB 来分别百鸟时数的低位和高位。在 32 位计算机中，一个 int 型变量 i 的机器数为 01234567H，其最高有效字节为 MSB=01H, 最低有效字节是 LSB=67H.

现代计算机大多采用字节编址，每个地址编号存放一个字节。对于 int 类型机器数 01234567H，大端方式和小端方式存放分别是以下的形式

地址	0800H	0801H	0802H	0803H
大端	01H	23H	45H	67H

地址	0800H	0801H	0802H	0803H
小端	67H	45H	23H	01H

2. 数据按照“边界对齐”方式存储

假设存储字长为 32 位，可按照字节、半字、字寻址。对于机器字长为 32 位的计算机，数据是对齐存放的，半字地址一定是 2 的整数倍，字地址是 4 的整数倍，这样无论所取的数据是字节、半字还是字，均可一次访存取出。这样边界对齐的存放方式可以提高取指令和取数的速度。

如果不按照边界对齐的方式存储，可以充分利用存储空间，但是半字长或字长的指令可能会存储在两个存储字中，需要两次访存，并且需要对高低字节进行调整、连接后才能得到正确的值，影响了效率。

2.3. 浮点数的表示与计算

2.3.1. 浮点数的表示

1. 表示格式

N=(-1)^{S}\times M \times R^{E}

$\displaystyle{ S }$ 取 0 或 1
第 1 ~ 7 位为移码表示的阶码 $\displaystyle{ E }$ ，偏置值为 64 ，阶码的位数反映浮点数的表示范围
第 8 ~ 31 位为 24 位二进制原码小数表示的尾数 $\displaystyle{ M }$ ，尾数的位数反映浮点数的精度
基数 $\displaystyle{ R }$ 为 2

0	1 ~ 7	8 ~ 31
符号	阶码	尾数

2. 浮点数的表示范围

原码关于原点对称，故浮点数的范围也是关于原点对称的。

数据一旦上溢出，计算机必须中断运算操作，进行溢出处理。数据下溢出时，浮点数值趋于 0 ，计算机仅将其当作机器 0 处理。

3. 浮点数的规格化

尾数的位数决定浮点数的有效位数，有效位数越多，数据精度越高。为了在浮点数运算过程中尽可能多地保留有效数字的位数，使有效数字尽量占满尾数，必须在运算过程中对浮点数进行规格化操作，通过调整一个非规格化浮点数的尾数和阶码的大小，使非零的浮点数在尾数的最高位上保证是一个有效值。

左规：当运算结果的尾数的做高位不是有效位，即出现 $\pm 0.0\cdots 0 \times \cdots \times$ 的形式时，需要进行左规。尾数每左移一位、阶码减一，直至位数变为规格化形式为止。
右规：当运算结果的尾数有效位进到小数点签名，需要进行右规。将位数右移一位，阶码加一。需要右规时，只需进行一次。

原码表示的规格化尾数 $\displaystyle{ M }$ 的绝对值满足 $1/R\leqslant |M|\leqslant 1$ . 若 $\displaystyle{ R = 2 }$ ，则有 $1/2\leqslant |M| \leqslant 1$

正数为 $0.1\times\times \cdots \times$ 的形式，其最大值为 $0.11\cdots 1$ ，最小值为 $0.100\cdots 0$ . 尾数表示的范围是 $1/2\leqslant M \leqslant (1-2^{-n})$
负数表示为 $1.1\times\times \cdots \times$ 的形式，最大值为 $1.10\times 0$ ，最小值为 $1.11\cdots 1$ . 尾数的表示范围为 $-(1-2^{-n}) \leqslant M \leqslant -1/2$

4. IEEE 754 标准

位数	0	1 ~ 7	8 ~ 31
32 位单精度	符号	阶码	尾数

位数	0	1 ~ 11	12 ~ 63
64 位双精度	符号	阶码	尾数

短浮点数阶码用移码表示，阶码的偏置值为 $\displaystyle{ 2 ^{ \left\lbrace 8 - 1 \right\rbrace } - 1 = 127 }$ ，其后 23 位是原码表示的尾数数值位。在浮点格式中表示的 23 位尾数是纯小数。对于规格化的二进制浮点数，数值最高位总是 “1”，为了能使尾数表示一位有效位。

例如， $\displaystyle{ \left( 12 \right) _{ \left\lbrace 10 \right\rbrace } = \left( 1100 \right) _{ \left\lbrace 2 \right\rbrace } }$ ，规格化后为 $1.1\times 2^3$ ，整数部分的 1 不存储在 23 位尾数中。

短浮点数和长浮点数都采用隐藏尾数最高数位的方法，因此可以多表示一位尾数

长浮点数的偏置值为 1023. 存储浮点数阶码之前，偏置值要先加到阶码真值上。

IEEE 754 标准中，规格化短浮点数的真值为

(-1)^{S}\times 1.M \times 2^{E-127}

规格化长浮点数的真值为

(-1)^{S}\times 1.M \times 2^{E-1023}

短浮点数 $\displaystyle{ E }$ 的取值为 1 ~ 254 ， $\displaystyle{ M }$ 为 23 位；长浮点数 $\displaystyle{ E }$ 取值为 1 ~ 2046 ， $\displaystyle{ M }$ 为 52 位。下表为规格化浮点数的表示范围。

格式	最小值	最大值
单精度	$\displaystyle{ E = 1 , M = 0 }$ $1.0\times 2^{1-127}=2^{-126}$	$E=254, M=.111\cdots$ $1.111\cdots 1\times 2^{254-127}=2^{127}\times (2-2^{-23})$
双精度	$\displaystyle{ E = 1 , M = 0 }$ $1.0\times 2^{1-1023}=2^{-1022}$	$E=2046, M=.111\cdots$ $1.111\cdots 1\times 2^{2046-1023}=2^{1023}\times (2-2^{-52})$

	单精度				双精度
值类型	符号	阶码	尾数	值	符号	阶码	尾数	值
正 0	0	0	0	0	0	0	0	0
负 0	1	0	0	-0	1	0	0	-0
正无穷大	0	255	0	inf	0	2047	0	inf
负无穷大	1	255	0	-inf	1	2047	0	-inf

5. 顶点、浮点表示的区别

数值表示的范围

若定点数和浮点数字长相同，则浮点数表示法能够表示的数值范围远大于定点表示法

精度

对于字长相同的定点数和浮点数，浮点数的范围较大，但精度降低

数的运算

浮点数包括阶码和尾数两部分，两部分都需要计算，而且运算结果要求规格化，所以浮点运算比顶点运算复杂

溢出问题

在定点运算中，当运算结果超出数的表示范围，发生溢出；浮点运算中，运算结果超出尾数表示范围不一定溢出，只有规格化后阶码超出所能表示的范围时，才发生溢出

2.3.2. 浮点数的加减运算

阶码和尾数分开进行

1. 对阶

使两个操作数的小数点对齐，即使得两个数的阶码相等。先求阶差，然后以小阶向大阶看齐的原则，将小阶码的尾数右移一位，阶加一，直到两个数的阶码相等。尾数右移时，舍弃掉有效位会产生误差，影响精度。

2. 尾数求和

将对阶后的尾数按定点数相加减运算规则运算。运算后的尾数不一定是规格化的，因此需要进一步规格化。

3. 规格化

IEEE 754 的尾数形式为 $\pm 1.\times \cdots \times$ ，位数相加可能会有下面的结果

$1.\times \cdots \times + 1.\times \cdots \times=\pm 1\times.\times \cdots \times$
$1.\times \cdots \times - 1.\times \cdots \times=\pm 0.0\cdots 01\times \cdots \times$

右规

当结果为第一种情况时，尾数右移一位，阶码加一。尾数右移时，最高位 1 被移到小数点前一位作为隐藏位，最后一位移出，要考虑舍入。

左规

当结果为第二种情况时，尾数每左移一位，阶码减一。可能需要左规多次，知道将第一位移到小数点的左边。

4. 舍入

在对阶和尾数右规时，可能会对尾数进行右移，为保证运算精度，一般将低位移出的两位保留下来，参加中间过程的计算，最后将运算结果进行舍入，还原为 IEEE 754 格式。

0 舍 1 入法：类似十进制的四舍五入。运算结果保留位的最高位为 0 ，舍去；最高位为 1 ，则在尾数的末位加一。这样可能使尾数溢出，此时需要再进行一次右规
恒置 1 法：只要因移位而丢失的位中有 1 ，就把尾数位置 1 ，而不管原来是 0 还是 1
截断法：直接截取所需位数，丢弃后面的位

5. 溢出判断

在尾数规格化和尾数舍入时，可能会对阶码执行加减运算。若一个正指数超过了最大允许值 (127 或 1023)，则发生指数上溢，产生异常。若一个负指数超过了最小允许值 (-149 或 -1074)，则发生指数下溢，通常按照机器 0 处理。

浮点数的溢出是按照指数来判断的。

6. C 语言中的浮点数类型

在类型转换时，可能会出现精度损失或范围溢出。

int 转 float 不会发生溢出，但 float 的精度只有 24 位，当 int 型整数的第 24 ~ 31 位非 0 时，无法精确转为 24 位浮点数的尾数
double 转 float 因为后者表示的范围更小，精度更低，可能会溢出和精度丢失
float 或 double 转 int 时，因为 int 没有小数部分，因此会向 0 方向截断（仅保留整数），发生舍入