浮点数表示方法与运算
在计算机系统的发展过程中，曾经提出过多种方法表达实数，典型的比如定点数。在定点数表达方式中，小数点位置固定，而计算机字长有限，所以定点数无法表达很大和很小的实数。最终，计算机科学发展出了表达范围更大的表达方式——浮点数，浮点数也是对实数的一种近似表达。
1.浮点数表达方式
我们知道任何一个R 进制数N 均可用下面的形式表示：N R =±S ×R ±e
其中，S—尾数，代表N 的有效数字；
R—基值，通常取2、8、16；e—阶码，代表N 的小数点的实际位置(相当于数学中的指数)。
比如一个十进制数的浮点表达1.2345×102，其中1.2345为尾数，10为基数，2为阶码。一个二进制数的浮点表达0.001001×25，0.001001为尾数，2为基数，5为阶码；同时0.001001×25也可以表示成0.100100×23，0.100100为尾数，2为基数，3为阶码。浮点数就是利用阶码e 的变化达到浮动小数点的效果，从而灵活地表达更大范围的实数。
2.浮点数的规格化
一个数用浮点表示时，存在两个问题：一是如何尽可能多得保留有效数字；二是如何保证浮点表示的唯一。
对于数0.001001×25，可以表示成0.100100×23、0.00001001×27等等，所以对于同一个数，浮点有多种表示(也就是不能唯一表示)。另外，如果规定尾数的位数为6位，则0.00001001×27会丢掉有效数字，变成0.000010×27。因此在计算机中，浮点数通常采用规格化表示方法。
当浮点数的基数R 为2，即采用二进制数时，规格化尾数的定义为：1/2<=|S|<1。若尾数采用原码(1位符号位+n 位数值)表示，[S]原=S f S 1S 2S 3…S n (S f 为符号位的数符)，则满足S 1=1的数称为规格化数。即当尾数的最高有效位S 1=1，[S]原=S f 1S 2S 3…S n ,表示该浮点数为规格化数。对0.001001×25进行规格化后，表示为0.100100×23。
3.浮点数的表示范围
求浮点数的表示范围，实质是求浮点数所能表示的最小负数、最大负数、最小正数和最大正数。
图1浮点数的表示范围
由图可见，0以及处于最大负数到最小负数之间(负数区)、最小正数到最大正数之间(正数区)的数为浮点数所能正确表达的数；处于最大负数和最小正数之间(下溢区)的浮点数，由于其绝对值小于机器可表示的数值，在计算机中通常作为0来处理，称为机器0；大于最大正数或小于最小负数(上溢区)的浮点数由于其绝对值大于机器所能表示的数值，因此计算机将进行溢出处理。
4.IEEE754浮点数标准
由于不同机器所选用的基数、尾数位和阶码位长度不同，因此对浮点数的表示有很大的差别，这不利于软件在不同计算机之间的移植。为此，美国IEEE提出了一个从系统结构角度支持浮点数的表示方法，称为IEEE754标准，当今流行的计算机几乎都采用了这一标准。
在IEEE754标准中，每个浮点数均由三部分组成：符号位S、指数部分E 和尾数部分M。如下图所示。
图2IEEE754标准
IEEE754浮点数据编码标准中，32位单精度浮点数表示格式如下图所示。
图3IEEE75标准中32位单精度浮点数表示格式
各部分规定如下。
S：数符，0表示正，1表示负。
E：指数，即阶码部分。其中包括1位阶符+7位数值。采用移127码，移码值为127。
M：尾数共23位，用规格化表示。由于尾数采用规格化表示，所以IEEE754标准约定在小数点左边有一位隐含位1，从而使尾数的实际有效位为24位，即尾数的有效值为1.M。
根据上述规定可知，32位的单精度浮点数所表示的数值N为：
N=?1S×1.M×2E?127
IEEE754标准32位单精度浮点数N的解释如下：
若E=0，且M=0，则N为0。
若E=0，且M!=0，则N=(-1)S×2-126×(0.M)，为非规格化数。
若1<=E<=254，则N=(-1)S×2E-127×(1.M)，为规格化数。
若E=255，且M!=0，则N=NaN(非数值)。
若E=255，且M=0，则N=(-1)S×∞(无穷大)。
IEEE754标准使0有了精确表示，同时也明确地表示了无穷大。当a/0(a!=0)时得到的结果为+/-∞；当0/0时得到的结果为NaN。对于绝对值较小的数，为了避免下溢而损失精度，允许采用比最小规格化数还要小的非规格化数来表示。应该注意的是，非规格化数和正、负0的尾数M的前隐含位的值是0，不是1。
5.浮点数的精度问题
单精度浮点数以有限的32bit长度来反映无限的实数集合，因此大多数情况下都是一个近似值。
我们知道单精度浮点数的尾数是24位(包括其中的一位隐藏位)存储的。
lg224=7.22
由上计算，单精浮点数可以保证7位十进制有效数字。
6.浮点加减运算
设有两个浮点数x和y，它们的规格化表示分别为：
x=M x×2Ex
y=M y×2Ey
其中E x和E y分别为x和y的阶码，M x、M y分别为x和y的尾数，则浮点数的加减运算可表示为：
x±y=2Ex×M x±2Ey×M y=M x×2Ex?Ey±M y×2Ey Ex≤Ey
M x±M y×2Ey?Ex×2Ex(Ex＞Ey)之所以要这样分类，是因为要遵循“小阶向大阶靠拢”的对阶原则，下面会有详细的解释。根据公式，可总结出浮点数运算的几个步骤：
1）0操作数检查
浮点数的运算过程比较复杂，如果能判断出两个操作数中有一个为0，那么运算结果马上可知，而不必进行后续的一系列操作，以节省运算时间。
2）对阶
两个浮点数相加减，首先要看它们的阶码是否相同，即小数点位置是否对齐。如果阶码相同，则表示小数点位置是对齐的，尾数就可以直接进行加减运算；反之若两数阶码不同，则表示小数点位置没有对齐，不能直接进行加减运算。此时，必须通过“对阶”过程使两数的阶码相同，也就是使两数的小数点位置对齐。
要对阶就要改变两数中一个数的阶码，表面上看来改变哪一个都可以。由于随着阶码的改变，尾数也要做相应的移动才能使浮点数据的值保持不变，所以如果阶码变大，尾数要右移；阶码变小，尾数要左移。尾数的左右移都会造成有效数据的移出与丢失，但是右移丢失的是最低有效位，而左移丢失的却是最高有效位。显然，右移更能减小数据误差。所以，对阶必须遵循“小阶向大阶靠拢”的原则。两数中阶码较小的那个数的阶码要变大，变成和另一个数的阶码一样，而这个数的尾数要作相应的右移，右移多少取决于阶码变大多少。阶码每增加1，尾数要相应右移1位，相当于小数点左移1位。
对阶时，一般首先求出两数阶码之差，即
△E=Ex–Ey
如果△E=0，说明两数阶码相等，无需对阶；如果△E>0，表示Ex>Ey，Ey 要向Ex靠拢，其尾数M y要做相应右移；如果△E<0，表示Ex 3）尾数相加 对阶完成后，表示两数的小数点已经对齐，可以直接进行尾数的加减运算。无论加法运算还是减法运算，都与定点数补码运算一样，按加法进行操作。要注意的是，相加过程中没有溢出，也就是对于定点数来说是溢出的结果，对于浮点数尾数相加来说是很正常的事情，所以我们常用双符号位表示尾数。 4）结果规格化 尾数相加完成之后，还需要进行规格化的判定，如果不满足规格化要求，则要对结果作规格化处理。尾数的规格化处理有两种情况： 如果尾数相加结果的两个符号位数据不相等，表明运算结果的尾数的绝对值大于1，因此要“向右规格化”。由于尾数相加的绝对值不可能超过2，因此向右规格化肯定是尾数右移1位，阶码加1。 如果尾数相加结果的符号位与数据最高位相等，表示数据没有规格化，尾数要“向左规格化”，即尾数左移n位，阶码相应减n。 5）舍入处理 在对阶和向右规格化的过程中，尾数都要向右移位，这样尾数的低位部分可能会丢失，从而造成一定的误差。为了减少误差，要进行舍入处理，常用的舍入方法有两种： (1)0舍1入 “0舍1入”，就是指尾数右移时被丢掉的数据的最高位如果是0，那就舍去；如果是1，就在尾数的最低位加上“1”。这种方法，实际上类似于我们平时所说的“四舍五入”。 这种方法的优点是每次舍入产生的误差小，误差控制在2-(n+1)范围内，而且也不会造成误差的累积；但缺点是要进行一次“加1”运算，特殊情况下还有可能造成再次“向右规格化”的现象。 (2)恒置1 “恒置1”，就是指尾数右移时，只要发生低位数据的丢失，尾数的最低位就被设定为1。 这种方法每次舍入所产生的误差比“0舍1入”要大一点，误差控制在2-n 范围内，而且也不会造成误差的累积。其关键特点是舍入处理时无需进行加法运算，所以速度快，也不会造成再次“向右规格化”的现象。 6）溢出处理 尾数相加的溢出不是真正的溢出，可以借由向右规格化作出调整。那么，浮点数的运算会不会产生溢出？什么时候才是真正的溢出呢？ 当浮点数在做向左或向右规格化的过程中，阶码也会做相应的调整，也就是说，阶码可能要加上1(向右规格化)或者减去n(向左规格化，n为尾数左移的位数)。显然，这些时候都有可能产生阶码溢出现象。 如果阶码减去n发生阶码溢出，也就是发生阶码的下溢，表示运算结果的精度超出了该浮点数可以表示的范围，也就是运算结果趋近于0。在这种情况下，机器一般认为运算结果就是0；如果阶码加上1发生阶码溢出，也就是发生阶码的上溢，表示数据超出了浮点数可表示的范围，一般认为是+∞或-∞(依赖于尾数的正负)。这种情况才是真正的溢出，机器的溢出标志会被置“1”。 综上所述，浮点数运算真正的溢出，是指在尾数相加的时候发生尾数上溢，并在向右规格化的时候使阶码也发生上溢。 7.浮点乘除法运算 设有两个浮点数x和y，它们的规格化表示分别为： x=M x×2Ex y=M y×2Ey 其中Ex和Ey分别为x和y的阶码，Mx、My分别为x和y的尾数。则，两数相乘为： x×y=M x×2Ex×M y×2Ey=2Ex+Ey×M x×M y 也就是说，两个浮点数相乘的结果就是它们的阶码相加，尾数相乘。 同理，两数相除的结果为： x/y=M x×2Ex/M y×2Ey=2Ex?Ey×M x/M y 也就是说，两个浮点数相除的结果就是它们的阶码相减，尾数相除。 这样，浮点数的乘除运算就可以转化成定点数的加、减、乘、除运算。 无论是浮点数的乘法还是除法，都可以分为下面4个运算步骤： 1.0操作数检查; 2.阶码加/减操作 3.尾数乘/除操作 4.规格化处理与舍入 计算机处理的数值数据多数带有小数，小数点在计算机常有两种表示方法，一种是约定所有数值数据的小数点隐含在某一个固定位置上，称为定点表示法，简称定点数；另一种是小数点位置可以浮动，称为浮点表示法，简称浮点数。 1. 定点数表示法(fixed-point) 所谓定点格式，即约定机器中所有数据的小数点位置是固定不变的。在计算机常采用两种简单的约定：将小数点的位置固定在数据的最高位之前，或者是固定在最低位之后。一般常称前者为定点小数，后者为定点整数。 定点小数是纯小数，约定的小数点位置在符号位之后、有效数值部分最高位之前。若数据x的形式为x=x0.x1x2… xn(其中x0为符号位，x1～xn是数值的有效部分，也称为尾数，x1为最高有效位)，则在计算机中的表示形式为： 一般说来，如果最末位xn= 1，前面各位都为0，则数的绝对值最小，即|x|min= 2-n。如果各位均为1，则数的绝对值最大，即|x|max=1-2-n。所以定点小数的表示围是： 2-n≤|x|≤1 -2-n 定点整数是纯整数，约定的小数点位置在有效数值部分最低位之后。若数据x的形式为x=x0x1x2…xn(其中x0为符号位，x1～xn是尾数，xn为最低有效位)，则在计算机中的表示形式为： 定点整数的表示围是： 1≤|x|≤2n-1 当数据小于定点数能表示的最小值时，计算机将它们作0处理，称为下溢；大于定点数能表示的最大值时，计算机将无法表示，称为上溢，上溢和下溢统称为溢出。 计算机采用定点数表示时，对于既有整数又有小数的原始数据，需要设定一个比例因子，数据按其缩小成定点小数或扩大成定点整数再参加运算，运算结果，根据比例因子，还原 浮点数的表示和基本运算 1 浮点数的表示 通常，我们可以用下面的格式来表示浮点数 S P M 其中S是符号位，P是阶码，M是尾数 对于IBM-PC而言，单精度浮点数是32位（即4字节）的，双精度浮点数是64位（即8字节）的。两者的S，P，M所占的位数以及表示方法由下表可知 S P M表示公式偏移量 1823(-1)S*2(P-127)*1.M127 11152(-1)S*2(P-1023)*1.M1023 以单精度浮点数为例，可以得到其二进制的表示格式如下 S(第31位)P(30位到 23位) M(22位到 0位) 其中S是符号位，只有0和1，分别表示正负；P是阶码，通常使用移码表示（移码和补码只有符号位相反，其余都一样。对于正数而言，原码，反码和补码都一样；对于负数而言，补码就是其绝对值的原码全部取反，然后加1.） 为了简单起见，本文都只讨论单精度浮点数，双精度浮点数也是用一样的方式存储和表示的。 2 浮点数的表示约定 单精度浮点数和双精度浮点数都是用IEEE754标准定义的，其中有一些特殊约定。 （1） 当P = 0, M = 0时，表示0。 （2） 当P = 255, M = 0时，表示无穷大，用符号位来确定是正无穷大还是负无穷大。 （3） 当P = 255, M != 0时，表示NaN（Not a Number，不是一个数）。 当我们使用.Net Framework的时候，我们通常会用到下面三个常量 Console.WriteLine(float.MaxValue); // 3.402823E+38 Console.WriteLine(float.MinValue); //-3.402823E+38 Console.WriteLine(float.Epsilon); // 1.401298E-45 //如果我们把它们转换成双精度类型，它们的值如下 Console.WriteLine(Convert.ToDouble(float.MaxValue)); // 3.40282346638529E+38 Console.WriteLine(Convert.ToDouble(float.MinValue)); //-3.40282346638529E+38 Console.WriteLine(Convert.ToDouble(float.Epsilon)); // 1.40129846432482E-45 那么这些值是如何求出来的呢？ 根据上面的约定，我们可以知道阶码P的最大值是11111110（这个值是254，因为255用于特殊的约定，那么对于可以精确表示的数来说，254就是最大的阶码了）。尾数的最大值是11111111111111111111111。 那么这个最大值就是：0 11111110 11111111111111111111111。 也就是 2(254-127) * (1.11111111111111111111111)2 = 2127 * (1+1-2-23) = 3.40282346638529E+38 从上面的双精度表示可以看出，两者是一致的。最小的数自然就是- 3.40282346638529E+38。 对于最接近于0的数，根据IEEE754的约定，为了扩大对0值附近数据的表示能力，取阶码P = -126，尾数 M = (0.00000000000000000000001)2 。此时该数的二进制表示为：0 00000000 00000000000000000000001 也就是2-126 * 2-23 = 2-149 = 1.40129846432482E-45。这个数字和上面的Epsilon 是一致的。 如果我们要精确表示最接近于0的数字，它应该是 0 00000001 00000000000000000000000 也就是：2-126 * (1+0) = 1.17549435082229E-38。 3 浮点数的精度问题 浮点数以有限的32bit长度来反映无限的实数集合，因此大多数情况下都是一个近似值。同时，对于浮点数的运算还同时伴有误差扩散现象。特定精度下看似 浮点数的表示和运算 浮点数的表示和基本运算 1 浮点数的表示 通常，我们可以用下面的格式来表示浮点数 其中S是符号位，P是阶码，M是尾数 对于IBM-PC而言，单精度浮点数是32位（即4字节）的，双精度浮点数是64位（即8字节）的。两者的S，P，M所占的位数以及表示方法由下表可知 以单精度浮点数为例，可以得到其二进制的表示格式如下 其中S是符号位，只有0和1，分别表示正负；P是阶码，通常使用移码表示（移码和补码只有符号位相反，其余都一样。对于正数而言，原码，反码和补码都一样；对于负数而言，补码就是其绝对值的原码全部取反，然后加1.） 为了简单起见，本文都只讨论单精度浮点数，双精度浮点数也是用一样的方式存储和表示的。 2 浮点数的表示约定 单精度浮点数和双精度浮点数都是用IEEE754标准定义的，其中有一些特殊约定。 （1）当P = 0, M = 0时，表示0。 （2）当P = 255, M = 0时，表示无穷大，用符号位来确定是正无穷大还是负无穷大。 （3）当P = 255, M != 0时，表示NaN（Not a Number，不是一个数）。 当我们使用.Net Framework的时候，我们通常会用到下面三个常量 Console.WriteLine(float.MaxValue); // 3.402823E+38 Console.WriteLine(float.MinValue); //-3.402823E+38 Console.WriteLine(float.Epsilon); // 1.401298E-45 //如果我们把它们转换成双精度类型，它们的值如下 Console.WriteLine(Convert.ToDouble(float.MaxValue)); // 3.40282346638529E+38 Console.WriteLine(Convert.ToDouble(float.MinValue)); //-3.40282346638529E+38 Console.WriteLine(Convert.ToDouble(float.Epsilon)); // 1.40129846432482E-45 那么这些值是如何求出来的呢？ 《计算机组成原理》实验报告 sw $aO, O($fp) #calculate the first nu mber andi $s2, $s0, 0x80000000 # s2 is the sig n srl $s2, $s2, 31 andi $s3, $s0, 0x7f800000 # s3 is the exp onent srl $s3, $s3, 23 andi $s4, $s0, 0x007fffff # s4 is the fractio n addi $s4, $s4, 0x00800000 #calculate the seco nd number andi $s5, $s1, 0x80000000 # s5 is the sig n srl $s5, $s5, 31 andi $s6, $s1, 0x7f800000 # s6 is the exp onent srl $s6, $s6, 23 andi $s7, $s1, 0x007fffff # s7 is the fractio n addi $s7, $s7, 0x00800000 sub $t0, $s3, $s6 bit $t0, 0, sumL1 # add sub bgt $t0, 0, sumL2 # sub add beq $t0, 0, sumL3 2.减法指令如下: mysub: subu $sp, $sp, 32 sw $ra, 20($sp) sw $fp, 16($sp) addiu $fp, $sp, 28 sw $a0, 0($fp) #calculate the first nu mber andi $s2, $s0, 0x80000000 # s2 is the sig n srl $s2, $s2, 31 andi $s3, $s0, 0x7f800000 # s3 is the exp onent srl $s3, $s3, 23 andi $s4, $s0, 0x007fffff # s4 is the fractio n addi $s4, $s4, 0x00800000 #calculate the seco nd number xori $s5, $s1, 0x80000000 # s5 is the sig n srl $s5, $s5, 31 andi $s6, $s1, 0x7f800000 # s6 is the exp onent srl $s6, $s6, 23 andi $s7, $s1, 0x007fffff # s7 is the fractio n addi $s7, $s7, 0x00800000 sub $t0, $s3, $s6 blt $t0, 0, subL1 # +,- bgt $t0, 0, subL2 # -,+ beq $t0, 0, subL3 # +,+ or -,- 3.乘法指令如下： mutilStart: srl $t2, $s0, 31 srl $t3, $s1, 31 sll $t4, $s0, 1 在计算机系统的发展过程中，曾经提出过多种方法表达实数，典型的比如定点数。在定点数表达方式中，小数点位置固定，而计算机字长有限，所以定点数无法表达很大和很小的实数。最终，计算机科学发展出了表达范围更大的表达方式——浮点数，浮点数也是对实数的一种近似表达。 1.浮点数表达方式 我们知道任何一个R 进制数N 均可用下面的形式表示：N R =±S ×R ±e 其中，S—尾数，代表N 的有效数字； R—基值，通常取2、8、16；e—阶码，代表N 的小数点的实际位置(相当于数学中的指数)。 比如一个十进制数的浮点表达1.2345×102，其中1.2345为尾数，10为基数，2为阶码。一个二进制数的浮点表达0.001001×25，0.001001为尾数，2为基数，5为阶码；同时0.001001×25也可以表示成0.100100×23，0.100100为尾数，2为基数，3为阶码。浮点数就是利用阶码e 的变化达到浮动小数点的效果，从而灵活地表达更大范围的实数。 2.浮点数的规格化 一个数用浮点表示时，存在两个问题：一是如何尽可能多得保留有效数字；二是如何保证浮点表示的唯一。 对于数0.001001×25，可以表示成0.100100×23、0.00001001×27等等，所以对于同一个数，浮点有多种表示(也就是不能唯一表示)。另外，如果规定尾数的位数为6位，则0.00001001×27会丢掉有效数字，变成0.000010×27。因此在计算机中，浮点数通常采用规格化表示方法。 当浮点数的基数R 为2，即采用二进制数时，规格化尾数的定义为：1/2<=|S|<1。若尾数采用原码(1位符号位+n 位数值)表示，[S]原=S f S 1S 2S 3…S n (S f 为符号位的数符)，则满足S 1=1的数称为规格化数。即当尾数的最高有效位S 1=1，[S]原=S f 1S 2S 3…S n ,表示该浮点数为规格化数。对0.001001×25进行规格化后，表示为0.100100×23。 3.浮点数的表示范围 求浮点数的表示范围，实质是求浮点数所能表示的最小负数、最大负数、最小正数和最大正数。 如果一个二进制浮点数的尾数的绝对值小于1并且大于等于0.5，（1＞|尾数|≥0.5），那么这个二进制浮点数就是一个规格化的浮点数。 用二进制补码表示1个规格化的浮点数，并且规格化的浮点数的尾数只有一个符号位时： 规格化的浮点数的尾数是正数时应该是0 . 1 X X X X X X X X X ……的形式 （0表示符号位，X表示0或1中的任意一个数值） 规格化的浮点数的尾数是负数时应该是1 . 0 X X X X X X X X X ……的形式 （1表示符号位，X表示0或1中的任意一个数值） 用二进制补码表示1个规格化的浮点数，并且规格化的浮点数的尾数只有两个符号位时： 规格化的浮点数的尾数是正数时应该是00 . 1 X X X X X X X X X ……的形式 （00表示符号位，X表示0或1中的任意一个数值） 规格化的浮点数的尾数是负数时应该是11 . 0 X X X X X X X X X ……的形式 （11表示符号位，X表示0或1中的任意一个数值） 两个浮点数加减法的计算结果必须规格化，如果不是规格化的数，则要通过修改阶码并同时左移或者右移尾数，使其变为规格化的数。 [例] x＝2010×0.11011011，y=2100×-0.10101100，浮点数均以补码表示，阶码采用双符号位，尾数采用单符号位。求x+y 。 答： （步骤1）转换成题目中要求的浮点数格式： 浮点数x＝2010×0.11011011的阶码是+010，尾数是+0.11011011 浮点数均以补码表示，所以阶码以补码表示，并且阶码采用双符号位， [x]浮的阶码＝00010（00是两个符号位） 浮点数均以补码表示，所以尾数以补码表示，并且尾数采用单符号位， [x]浮的尾数＝0.11011011（0是1个符号位） 设两个浮点数X=Mx※2Ex Y=My※2Ey 实现X±Y要用如下5步完成： ①对阶操作：小阶向大阶看齐 ②进行尾数加减运算 ③规格化处理：尾数进行运算的结果必须变成规格化的浮点数，对于双符号位的补码尾数来说，就必须是001×××…×× 或110×××…××的形式, 若不符合上述形式要进行左规或右规处理。 ④舍入操作：在执行对阶或右规操作时常用“0”舍“1”入法将右移出去的尾数数值进行舍入，以确保精度。 ⑤判结果的正确性：即阶码是否溢出 若阶码下溢（移码表示是00…0），要置结果为机器0； 若阶码上溢（超过了阶码表示的最大值）置溢出标志。 例题：假定X=0 .0110011*211，Y=0.1101101*2-10（此处的数均为二进制）?? 计算X+Y；解：[X]浮：0 1010 1100110 [Y]浮：0 0110 1101101 符号位阶码尾数 第一步：求阶差：│ΔE│=|1010-0110|=0100 第二步：对阶：Y的阶码小，Y的尾数右移4位 [Y]浮变为0 1010 0000110 1101暂时保存 第三步：尾数相加，采用双符号位的补码运算 00 1100110 +00 0000110 00 1101100 第四步：规格化：满足规格化要求 第五步：舍入处理，采用0舍1入法处理 故最终运算结果的浮点数格式为：0 1010 1101101， 即X+Y=+0. 1101101*210 ①阶码运算：阶码求和（乘法）或阶码求差（除法） 即[Ex+Ey]移= [Ex]移+ [Ey]补 [Ex－Ey]移= [Ex]移+ [－Ey]补 ②浮点数的尾数处理：浮点数中尾数乘除法运算结果要进行舍入处理 例题：X=0 .0110011*211，Y=0.1101101*2-10 求X※Y 解：[X]浮：0 1 010 ******* [Y]浮：0 0 110 1101101 第一步：阶码相加 [Ex+Ey]移=[Ex]移+[Ey]补=1 010+1 110=1 000 1 000为移码表示的0 第二步：原码尾数相乘的结果为： 0 10101101101110 第三步：规格化处理：已满足规格化要求，不需左规，尾数不变，阶码不变。第四步：舍入处理：按舍入规则，加1进行修正 所以X※Y= 0.1010111※2+000 2.3.4二进制转10进制及10进制转为二进制 【例2-3-4】 把二进制110.11转换成十进制数，及十进制转为二进制。 解： （110.11）2 =1×22＋1×21＋1×20＋1×2-1＋1×2-2 ＝4＋2＋0＋0.5＋0.25＝（6.75）10 把十进制转换为二进制 解： 2 6 0 2 3 1 1 1 所以实数部分为110 0.75×（2×2-1）＝0.75×2×2-1 ＝1×2-1＋0.5×2-1 ＝1×2-1＋1×2-2 所以结果为：（110.11）2 2.3.5 浮点数在计算机中存储形式 当前主流微机中广泛采用的IEEE754标准浮点格式。 按IEEE754标准，常用的浮点数（32位短实数）的格式如图2-3所示。 IEEE754标准浮点格式 N=2e.M （M为浮点尾数，为纯小数，e为浮点数的指数（阶码））尾数部分决定了浮点数的精度，阶码决定了表示范围32为浮点数（IEEE754标准格式0—22为尾数M，23-30为阶码E，31为符号位S），阶码用移码表示。阶码E=指数真值e+127 规格化真值x=(-1)^S*(1.M)*2^(E-127) 将(82.25)10 转换成短浮点数格式。 1）先将(82.25)10 转换成二进制数 (82.25)10 =(1010010.01)2 2）规格化二进制数(1010010.01)2 1010010.01=1.01001001×2 6 尾数M=01001001 3）计算移码表示的阶码=偏置值+阶码真值： E=127+6=133=10000101 4）以短浮点数格式存储该数 因此：符号位=0 S=0表示该数为正数 阶码=10000101 由3）可得 尾数=01001001000000000000000 由2）可得；尾数为23位， 不足在后面添15位0 所以，短浮点数代码为： 0；10000101；01001001000000000000000 表示为十六进制代码为：42A48000H 计算机处理的数值数据多数带有小数，小数点在计算机中通常有两种表示方法，一种是约定所有数值数据的小数点隐含在某一个固定位置上，称为定点表示法，简称定点数；另一种是小数点位置可以浮动，称为浮点表示法，简称浮点数。 1. 定点数表示法(fixed-point) 所谓定点格式，即约定机器中所有数据的小数点位置是固定不变的。在计算机中通常采用两种简单的约定：将小数点的位置固定在数据的最高位之前，或者是固定在最低位之后。一般常称前者为定点小数，后者为定点整数。 定点小数是纯小数，约定的小数点位置在符号位之后、有效数值部分最高位之前。若数据x的形式为x=x0.x1x2… xn(其中x0为符号位，x1～xn是数值的有效部分，也称为尾数，x1为最高有效位)，则在计算机中的表示形式为： 一般说来，如果最末位xn= 1，前面各位都为0，则数的绝对值最小，即|x|min= 2-n。如果各位均为1，则数的绝对值最大，即|x|max=1-2-n。所以定点小数的表示范围是： 2-n≤|x|≤1 -2-n 定点整数是纯整数，约定的小数点位置在有效数值部分最低位之后。若数据x的形式为x=x0x1x2…xn(其中x0为符号位，x1～xn是尾数，xn为最低有效位)，则在计算机中的表示形式为： 定点整数的表示范围是： 1≤|x|≤2n-1 当数据小于定点数能表示的最小值时，计算机将它们作0处理，称为下溢；大于定点数能表示的最大值时，计算机将无法表示，称为上溢，上溢和下溢统称为溢出。 计算机采用定点数表示时，对于既有整数又有小数的原始数据，需要设定一个比例因子，数据按其缩小成定点小数或扩大成定点整数再参加运算，运算结果，根据比例因子，还原 在单片机应用系统的数据处理过程中，经常会遇到小数的运算问题，如求解BCD的增量算式、线性化处理等。因此，需要用二进制数来表示小数。表示小数的方法一般有两种，定点数和浮点数。定点数结构简单，与整数的运算过程相同，运算速度快。但随着所表示数的范围的扩大，其位数成倍增加，给运算和存储带来不便，而且也不能保证相对精度不变。浮点数的结构相对复杂，但它能够以固定的字节长度保持相对精度不变，用较少的字节表示很大的数的范围，便于存储和运算，在处理的数据范围较大和要求精度较高时，采用浮点数。 浮点数的概念 常用的科学计数法来表示一个十进制数如 l234.75＝1.23475E3＝1.23475×103 在数据很大或很小时，采用科学计数避免了在有效数字前加0来确定小数点的位置，突出了数据的有效数字的位数，简化了数据的表示。可以认为，科学计数法就是十进制数的浮点数表示方法。 在二进制效中，也可以用类似的方法来表示一个数，如 1234.75＝10011010010.11（二进制）＝0.1001101001011×211 一般表达式为 N=S×2p 在这种表示方法中，数值由四个部分组成，即尾数S及符号，阶码P及符号。 在二进制中，通过定义相应字节或位来表示这四部分，就形成了二进制浮点数。二进制浮点数可以有多种不同的表示方法，下面是一种常见的三字节浮点数的格式： 其中尾数占16位，阶码占6位，阶符占1位，数符占1位。阶码通常用补码来表示。 在这种表示方法中，小数点的实际位置要由阶码来确定，而阶码又是可变的，因此称为浮点数。 1234.75用这种格式的浮点数表示就是： 0000 1011 1001 1010 0101 1000 用十六进制表示为 1234.75＝0B9A58H -1234.75＝4B9A58H 0.171875＝043B00H -0.171875＝443B00H 三字节浮点数所能表示的最大值为 1×263＝9.22×1018 能表示的最小数的绝对值为 0.5×2-63＝5.42×10－20 其所表示的数的绝对值范围＝(5.42×10-20～9．22×1018)，由此可以看到，比三字节定点数表示的数的范围大得多。 按同样方法可以定义一个四字节的浮点数，以满足更高精度的需要。 规格化浮点数 同一个数用浮点数表示可以是不同的，如 1234.75＝0B9A58H＝0C4D2CH＝0D2696H 虽然这几种表示其数值是相同的，但其尾数的有效数字的位数不同，分别为16位、15位和14位。在运算过程中，为了最大限度地保持运算精度，应尽量增加尾数的有效位数。这就需要对浮点数进行规格化处理。 在只考虑用二进制原码表示尾数时，尾数的最高位为l，则该浮点数为规格化浮点数。在规格化浮点数中，用尾数为0和最小阶码表示0，三字节规格化浮点数的0表示为410000H。 浮点数在运算之前和运算之后都要进行规格化，规格化过程包括以下步骤： (1)首先判断尾是否为0，如果为0，规格化结果为410000H； (2)如果尾数不为0，判断层数的最高位是否为1，如果不为1，尾数左移，阶码减1； (3)再判断层数的最高位是否为1，如果不为1，继续进行规格化操作，如果为1，则规格化结束。 浮点数运算 计算机组成与结构 之 浮点数的加减法运算 学生组所在学院：燕山大学信息学院 学生组所在班级：2014级计算机1 班 学生组姓名：陈朝俊张海傅晓欣曲佳彤 地址：中国河北省秦皇岛市河北大街438号邮编：066004 电话： 传真： 网址： 浮点数加减法运算简介 大型计算机和高档微型机中，浮点加减法运算是由硬件完成的。低档的微型机浮点加减法运算是由软件完成的，但不论用硬件实现还是软件实现，基本原理是一致的。 浮点加减法运算要经过对阶、尾数加减运算、结果规格化、舍入处理、溢出判断五步操作。其中尾数运算与定点加减法运算相同，而对阶、规格化、舍入和溢出判断，则是浮点加减法运算和定点加减法运算不同的操作之处。 在补码浮点运算中，阶码与尾数可以都用补码表示。在硬件实现的运算中，阶码和数符常采用双符号位。 浮点数的表示形式 浮点数的表示形式(假设以2为底)： N=M·2E 其中，M为浮点数的尾数，一般为绝对值小于1的规格化二进制小数，用原码或补码形式表示；E为浮点数的阶码，一般是用移码或补码表示的整数。 阶码的底除了2以外，还有用8或16表示的，这里暂且只以2为底进行讨论。 浮点数加减法运算的步骤 设两浮点数X、Y进行加减运算，其中：X=M X·2EX，Y=M Y·2EY 一般由以下五个步骤完成： 规 格 化 浮 点 数 加 减 运 算 流 程 一、对阶 1.对阶是指将两个进行运算的浮点数的阶码对齐的操作。对阶的目 的是为了使两个浮点数的尾数能够进行加减运算。因为，当进行MX·2EX 与MY·2EY加减运算时，只有使两浮点数的指数值部分相同，才能将相同的指数值作为公因数提出来，然后进行尾数的加减运算。 2.对阶的具体方法是：首先求出两浮点数阶码的差，即ΔE＝Ex-Ey，将小阶码加上ΔE，使之与大阶码相等，同时将小阶码对应的浮点数的尾数右移ΔE位，以保证该浮点数的值不变。 3.几点注意： （1）对阶的原则是小阶对大阶，因为若大阶对小阶，则尾数的数值部分的高位需移出，而小阶对大阶移出的是尾数的数值部分的低位，这样损失的精度更小。 （2）若ΔE＝0，说明两浮点数的阶码已相同，无需再做对阶操作。（3）尾数右移时，对原码表示的尾数，符号位不参加移位，尾数数值部分的高位补0；对补码表示的尾数，符号位参加右移，并保持原符号位不变。 （4）由于尾数右移时是将最低位移出，会损失一定的精度，为减少误差，可先保留若干移出的位，供以后舍入处理用。 二、尾数的加减运算 浮点数表示法示例 目前C/C++编译器标准都遵照IEEE制定的浮点数表示法来进行float,double运算。这种结构是一种科学计数法，用符号、指数和尾数来表示，底数定为2——即把一个浮点数表示为尾数乘以2的指数次方再添上符号。下面是具体的规格： 符号位阶码尾数长度 float 1 8 23 32 double 1 11 52 64 通通表示为1.f * 2^n 因为浮点数中的小数部分= x1*1/2 + x2*1/4 + .....+xn*1/(2^n)来近似，所有这就是浮点数的精度问题。 以下通过几个例子讲解浮点数如何转换为二进制数 例一： 已知：double类型38414.4。 求：其对应的二进制表示。 分析：double类型共计64位，折合8字节。由最高到最低位分别是第63、62、61、……、0位： 最高位63位是符号位，1表示该数为负，0表示该数为正； 62-52位，一共11位是指数位； 51-0位，一共52位是尾数位。 步骤：按照IEEE浮点数表示法，下面先把38414.4转换为十六进制数。 把整数部和小数部分开处理:整数部直接化十六进制：960E。小数的处理: 0.4=0.5*0+0.25*1+0.125*1+0.0625*0+…… 实际上这永远算不完！这就是著名的浮点数精度问题。所以直到加上前面的整数部分算够53位就行了。隐藏位技术：最高位的1不写入内存（最终保留下来的还是52位）。 如果你够耐心，手工算到53位那么因该是：38414.4(10)=1001011000001110.0110011001100110011001100110011001100 ...... 1100110011001101...... (2) 科学记数法为：1.001011000001110 0110011001100110011001100110011001100，右移了15位，所以指数为15。或者可以如下理解： 1.001011000001110 0110011001100110011001100110011001100×2^15 于是来看阶码，按IEEE标准一共11位，可以表示范围是-1024 ~ 1023。因为指数可以为负，为了便于计算，规定都先加上1023(2^10-1)，在这里，阶码：15+1023=1038。二进制表示为：100 00001110； 符号位：因为38414.4为正对应为0； 合在一起（注：尾数二进制最高位的1不要）： 0 1000000 1110 0010 11000001 110 01100 11001100 11001100 11001100 11001100 例二：已知：整数3490593(16进制表示为0x354321)。求：其对应的浮点数3490593.0的二进制表示。 解法如下： 先求出整数3490593的二进制表示： H: 3 5 4 3 2 1 （十六进制表示） B: 0011 0101 0100 0011 0010 0001 （二进制表示） │←──────21─────→│ 即：1.1010101000011001000012×221 可见，从左算起第一个1后有21位，我们将这21为作为浮点数的小数表示，单精度浮点数float由符号位1位，指数域位k=8位，小数域位(尾数)n=23位构成，因此对上面得到的21位小数位我们还需要补上2个0，得到浮点数的小数域表示为： 1 0101 0100 0011 0010 0001 00 浮点加减运算 对任意一个二进制数N，总可以表示成：N=2E×M ，式中，E为数N的阶码，M称为数N的尾数，一般为绝对值小于1的规格化数（补码是允许为-1）。 两浮点数X，Y进行加减运算时，必须按以下几步执行： ①对阶，使两数的小数点位置对齐，小的阶码向大的阶码看齐。 ②尾数求和，将对阶后的两尾数按定点加减运算规则求和(差)。 ③规格化，为增加有效数字的位数，提高运算精度，必须将求和(差)后的尾数规格化。 ④舍入，为提高精度，要考虑尾数右移时丢失的数值位。 ⑤判断结果，即判断结果是否溢出。 规格化又分左规和右规两种 （1) 左规。当尾数出现00.0××…×或11.1××…×时，需左规。左规时尾数左移一位，阶码减1，直到符合补码规格化表示式为止（2) 右规。当尾数出现01.××…×或10.××…×时，表示尾数溢出，这在定点加减运算中是不允许的，但在浮点运算中这不算溢出，可 通过右规处理。右规时尾数右移一位，阶码加1. 例，两浮点数x＝2+010 ×0.110100，y=2+100 ×（-0.101010），求x+y。 解：阶码取3位，尾数取6位（均不包括符号位），机器表示的形式分别为[x]补= 0010 0110100 [y]补= 0100 1010110 ①对阶：先求阶差（两阶码的补码相减） 00 010 + 11 100 （减00 100 就是加—00100的补码，即11 100） 11 110 其真值为-2，即x的阶码比y的阶码小2 [x] 补的阶码增大成0100，尾数右移两位，即[x] 补 = 0100 0001101 ②尾数相加 00.001101 + 11.010110 11.100011 相加结果为0100 1 100011 ③规格化： 最高有效位与符号位相同，需要左规，所以结果应为： [x+y] 补 = 0011 1 000110 x+y = 2+011 ×（-0.111010） 4．舍入 在对阶和右规的过程中，可能会将尾数的低位丢失，引起误差，影响了精度，为此可用舍入法来提高尾数的精度。常用的舍入方法有三种。 浮点数的表示与运算 一、选择 1、在规格化浮点数运算中，若浮点数为25×1.10101，其中 尾数为补码表示，则该数需将尾数左移一位规格化 2、浮点数格式如下：1位阶符，6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是-263 ~（1-2-8）×263 3、某浮点机，采用规格化浮点数表示，阶码用移码表示（最 高位代表符号位），尾数用原码表示。下列哪个数的表示不是规格化浮点数？（B ） 阶码尾数 A.,1.1000 (00) B.,1.0111 (01) C.,0.1111 (01) D.,0.1000 (10) 4、设浮点数阶的基数为8，尾数用模4补码表示。试指出下 列浮点数中哪个是规格化数？（C ） A.11. B.00. C.11. D.11. 5、按照IEEE654标准规定的32位浮点数（41A4C000）16对 应的十进制数是（D ） A.4.59375 B.-20.59375 C.-4.59375 D.20.59375 6、如果某单精度浮点数、某原码、某补码、某移码的32位 机器数为0xF。这些数从大到小的顺序是移>补>原>浮 7、假定采用IEEE754标准中的单精度浮点数格式表示一个数 为H，则该数的值是（+1.125）10×211 8、设浮点数共12位。其中阶码含1位阶符共4位，以2为 底，补码表示：尾数含1位数符共8位，补码表示，规格化。则该浮点数所能表示的最大正数是27-1 9、如果浮点数的尾数用补码表示，则下列（D ）中的尾数 是规格化数形式。 A. 1.11000 B. 0.01110 C. 0.01010 D.1.00010 10、设浮点数的基数为4，尾数用原码表示，则以下（C ） 是规格化的数。 A. 1. B.0. C.1. D.0. 11、已知X=00.875×21，Y=0.625×22，设浮点数格式为阶符1位，阶码2位，数符1位，尾数3位，通过补码求出Z=X-Y 的二进制浮点数规格化结果是0111 011 12、IEEE754标准中的舍入模式可以用于二进制数也可以用于 十进制数，在采用舍入到最接近且可表示的值时，若要舍入两个有效数字形式，（12.5）D应该舍入为12 13、下列关于舍入的说法，正确的是（E ） A.不仅仅只有浮点数需要舍入，定点数在运算时也可能要 舍入 B. 在浮点数舍入中，只有左规格化时可能要舍入 C. 在浮点数舍入中，只有右规格化时可能要舍入 D. 在浮点数舍入中，左、右规格化均可能要舍入 浮点数的加减运算一般由以下五个步骤完成： 对阶 ↓ 尾数运算 ↓ 结果规格化 ↓ 舍入处理 ↓ 溢出判断 设两浮点数X、Y进行加减运算，其中 X＝M x·2Ex，Y＝M y·2Ey 1. 对阶 所谓对阶是指将两个进行运算的浮点数的阶码对齐的操作。对阶的目的是为使两个浮点数的尾数能够进行加减运算。因为，当进行M x·2Ex与M y·2Ey加减运算时，只有使两浮点数的指数值部分相同，才能将相同的指数值作为公因数提出来，然后进行尾数的加减运算。 对阶的具体方法是：首先求出两浮点数阶码的差，即⊿E＝E x-E y，将小阶码加上⊿E，使之与大阶码相等，同时将小阶码对应的浮点数的尾数右移相应位数，以保证该浮点数的值不变。几点注意： （1）对阶的原则是小阶对大阶，之所以这样做是因为若大阶对小阶，则尾数的数值部分的高位需移出，而小阶对大阶移出的是尾数的数值部分的低位，这样损失的精度更小。 （2）若⊿E＝0，说明两浮点数的阶码已经相同，无需再做对阶操作了。 （3）采用补码表示的尾数右移时，符号位保持不变。 （4）由于尾数右移时是将最低位移出，会损失一定的精度，为减少误差，可先保留若干移出的位，供以后舍入处理用。 2. 尾数运算 尾数运算就是进行完成对阶后的尾数相加减。这里采用的就是我们前面讲过的纯小数的定点数加减运算。 3. 结果规格化 在机器中，为保证浮点数表示的唯一性，浮点数在机器中都是以规格化形式存储的。对于IEEE754标准的浮点数来说，就是尾数必须是1.M的形式。由于在进行上述两个定点小数的尾数相加减运算后，尾数有可能是非规格化形式，为此必须进行规格化操作。 规格化操作包括左规和右规两种情况。 左规操作：将尾数左移，同时阶码减值，直至尾数成为1.M的形式。例如，浮点数0.0011·25是非规格化的形式，需进行左规操作，将其尾数左移3位，同时阶码减3，就变成1.1100·22规格化形式了。 右规操作：将尾数右移1位，同时阶码增1，便成为规格化的形式了。要注意的是，右规操作只需将尾数右移一位即可，这种情况出现在尾数的最高位（小数点前一位）运算时出现了进位，使尾数成为10.xxxx或11.xxxx的形式。例如，10.0011·25右规一位后便成为1.00011·26的规格化形式了。 4. 舍入处理数的定点表示和浮点表示
浮点数的表示和基本运算
浮点数的表示和运算(范围计算)
浮点数的表示和计算
浮点数表示方法与运算
浮点数加减运算课件
浮点数的加减乘除运算步骤
浮点数计算方式
数的定点表示和浮点表示
单片机浮点数计算
浮点数的加减法运算
浮点数计算实例
浮点数加法运算
第二章 浮点数的表达与运算
浮点数的加减运算一般由以下五个步骤完成