IEEE754 浮点数的表示方法

1.浮点数的存储格式

浮点数(Floating-point Number)是对实数的一种近似表示,由一个有效数字(即尾数)加上幂数来表示,通常是乘以某个基数的整数次幂得到。以这种表示法表示的数值,称为浮点数。表示方法类似于基数为10的科学计数法。利用浮点进行运算,称为浮点计算,这种运算通常伴随着因为无法精确表示而进行的近似或舍入。

计算机对浮点数的表示规范遵循电气和电子工程师协会(IEEE)推出的 IEEE754 标准,浮点数在 C/C++ 中对应 float 和 double 类型,我们有必要知道浮点数在计算机中实际存储的内容。

IEEE754 标准中规定 float 单精度浮点数在机器中表示用 1 位表示数字的符号,用 8 位表示指数,用 23 位表示尾数,即小数部分。对于 double 双精度浮点数,用 1 位表示符号,用 11 位表示指数,52 位表示尾数,其中指数域称为阶码。IEEE754 浮点数的格式如下图所示。
这里写图片描述
注意,IEE754 规定浮点数阶码 E 采用"指数e的移码-1"来表示,请记住这一点。为什么指数移码要减去 1,这是 IEEE754 对阶码的特殊要求,以满足特殊情况,比如对正无穷的表示。

2.移码

移码(又叫增码)是对真值补码的符号位取反,一般用作浮点数的阶码,引入的目的是便于浮点数运算时的对阶操作。

对于定点整数,计算机一般采用补码的来存储。正整数的符号位为 0,反码和补码等同于原码。负整数符号位为1,原码、反码和补码的表示都不相同,由原码变成反码和补码有如下规则:
(1)原码符号位为1不变,整数的每一位二进制数位求反得反码;
(2)反码符号位为1不变,反码数值位最低位加1得补码。

比如,以一个字节 8bits 来表示 -3,那么[3]=10000011[-3]_原=10000011[3]=11111100[-3]_反=11111100[3]=11111101[-3]_补=11111101,那么 -3 的移码就是[3]=01111101[-3]_移=01111101

如何将移码转换为真值 -3 呢?先将移码转换为补码,再求值。

3.浮点数的规格化

若不对浮点数的表示作出明确的规定,同一个浮点数的表示就不是唯一的。例如(1.75)10(1.75)_{10}可以表示成1.11×201.11\times 2^00.111×210.111\times2^10.0111×220.0111\times2^2等多种形式。当尾数不为0时,尾数域的最高有效位为1,这称为浮点数的规格化。否则,以修改阶码同时左右移动小数点位置的办法,使其成为规格化数的形式。

3.1 单精度浮点数真值

IEEE754标准中,一个规格化32位的浮点数x的真值表示为:
x=(1)S×(1.M)×2ex=(-1)^S\times(1.M)\times2^e
e=E127e=E-127
其中尾数域值是1.M。因为规格化的浮点数的尾数域最左位总是1,故这一位不予存储,而认为隐藏在小数点的左边。

在计算指数e时,对阶码E的计算采用原码的计算方式,因此32位浮点数的8bits的阶码E的取值范围是0到255。其中当E为全0或者全1时,是IEEE754规定的特殊情况,下文会另外说明。

3.2 双精度浮点数真值

64位的浮点数中符号为1位,阶码域为11位,尾数域为52位,指数偏移值是1023。因此规格化的64位浮点数x的真值是:
x=(1)S×(1.M)×2ex=(-1)^S\times(1.M)\times2^e
e=E1023e=E-1023

4.浮点数的具体表示

4.1 十进制到机器码

(1)0.5
0.5=(0.1)20.5=(0.1)_2,符号位S为0,指数为e=1e=-1,规格化后尾数为1.0。

单精度浮点数尾数域共23位,右侧以0补全,尾数域:
M=[000 0000 0000 0000 0000 0000]2M=[000\ 0000\ 0000\ 0000\ 0000\ 0000]_2

阶码E:
E=[1]1=[0111 1111]21=[0111 1110]2E=[-1]_移-1=[0111\ 1111]_2-1=[0111\ 1110]_2

对照单精度浮点数的存储格式,将符号位S,阶码E和尾数域M存放到指定位置,得0.5的机器码:
0.5=[0011 1111 0000 0000 0000 0000 0000 0000]20.5=[0011\ 1111\ 0000\ 0000\ 0000\ 0000\ 0000\ 0000]_2

十六进制表示为0.5=0x3f000000。

(2)1.5
1.5=[1.1]21.5=[1.1]_2,符号位为0,指数e=0e=0,规格化后尾数为1.1。

尾数域M右侧以0补全,得尾数域:
M=[100 0000 0000 0000 0000 0000]2M=[100\ 0000\ 0000\ 0000\ 0000\ 0000]_2

阶码E:
E=[]1=[10000000]21=[01111111]2E=[0]_移-1=[1000 0000]_2-1=[0111 1111]_2

得1.5的机器码:
1.5=[0011 1111 1100 0000 0000 0000 0000 0000]21.5=[0011\ 1111\ 1100\ 0000\ 0000\ 0000\ 0000\ 0000]_2

十六进制表示为1.5=0x3fc00000。

(3)-12.5
12.5=[1100.1]2-12.5=[-1100.1]_2,符号位S为1,指数e为3,规格化后尾数为1.1001,

尾数域M右侧以0补全,得尾数域:
M=[100 1000 0000 0000 0000 0000]2M=[100\ 1000\ 0000\ 0000\ 0000\ 0000]_2

阶码E:
E=[3]1=[1000 0011]21=[1000 0010]2E=[3]_移-1=[1000\ 0011]_2-1=[1000\ 0010]_2

即-12.5的机器码:
12.5=[1100 0001 0100 1000 0000 0000 0000 0000]2-12.5=[1100\ 0001\ 0100\ 1000\ 0000\ 0000\ 0000\ 0000]_2

十六进制表示为-12.5=0xc1480000。

用如下程序验证上面的推算,代码编译运行平台Win32+VC++ 2012:

#include <iostream>
using namespace std;

int main()
{
	float a=0.5;
	float b=1.5;
	float c=-12.5;

	unsigned int* pa=NULL;
	pa=(unsigned int*)&a;
	unsigned int* pb=NULL;
	pb=(unsigned int*)&b;
	unsigned int* pc=NULL;
	pc=(unsigned int*)&c;
	
	cout<<hex<<"a=0x"<<*pa<<endl;
	cout<<hex<<"b=0x"<<*pb<<endl;
	cout<<hex<<"c=0x"<<*pc<<endl;
	
	return 0;
}

输出结果:

a=0x3f000000
b=0x3fc00000
c=0xc1480000

验证正确。

4.2 机器码到十进制

(1)若浮点数x的IEEE754标准存储格式为0x41360000,那么其浮点数的十进制数值的推演过程如下:

0x41360000=[0 10000010 011 0110 0000 0000 0000 0000]0x41360000=[0\ 10000010\ 011\ 0110\ 0000\ 0000\ 0000\ 0000]

根据该浮点数的机器码得到符号位S=0,指数e=阶码-127=1000 0010-127=130-127=3。

注意,根据阶码求指数时,可以像上面直接通过 "阶码-127"求得指数e,也可以将+1=阶码+1=移码,再通过移码求其真值便是指数e。比如上面阶码10000010+1=10000011[]=>00000011[]=3e10000010+1=10000011_{[移码]}=>00000011_{[补]}=3(指数e)

包括尾数域最左边的隐藏位1,那么尾数1.M=1.011 0110 0000 0000 0000 0000=1.011011。

于是有:
x=(1)S×1.M×2e=+(1.011011)×23=+1011.011=(11.375)10x=(-1)^S\times1.M\times2^e=+(1.011011)\times2^3=+1011.011=(11.375)_{10}

通过代码同样可以验证上面的推算:

#include <iostream>
using namespace std;

int main()
{
	unsigned int hex=0x41360000;
	float* fp=(float*)&hex;
	cout<<"x="<<*fp<<endl;
	return 0;
}

输出结果:

x=11.375

验证正确。

5.浮点数的几种特殊情况

(1)0 的表示
对于阶码为 0 或 255 的情况,IEEE754 标准有特别的规定:
如果 阶码 E=0 并且尾数 M 是 0,则这个数的真值为 ±0(正负号和数符位有关)。

因此 +0 的机器码为:0 00000000 000 0000 0000 0000 0000 0000。
-0 的机器码为:1 00000000 000 0000 0000 0000 0000 0000。

需要注意一点,浮点数不能精确表示 0,而是以很小的数来近似表示 0,因为浮点数的真值等于(以32bits单精度浮点数为例):
x=(1)S×(1.M)×2ex=(-1)^S\times(1.M)\times2^e
e=E127e=E-127
那么 +0 的机器码对应的真值为1.0×21271.0\times2^{-127}。同理,-0 机器码真值为1.0×2127-1.0\times2^{-127}

(2)++\infty-\infty 的表示
如果阶码 E=255 并且尾数 M 全是0,则这个数的真值为 ±∞(同样和符号位有关)。因此++\infty的机器码为:0 11111111 000 0000 0000 0000 0000 0000。-\infty的机器吗为:1 11111111 000 0000 0000 0000 0000 0000。

(3)NaN(Not a Number)
如果 E = 255 并且 M 不是0,则这不是一个数(NaN)。

6.浮点数的精度和数值范围

6.1 浮点数的数值范围

根据上面的探讨,浮点数可以表示-∞到+∞,这只是一种特殊情况,显然不是我们想要的数值范围。

以 32 位单精度浮点数为例,阶码 E 由 8 位表示,取值范围为 0-255,去除 0 和 255 这两种特殊情况,那么指数 e 的取值范围就是 1-127=-126 到 254-127=127。

(1)最大正数
因此单精度浮点数最大正数值的符号位S=0,阶码E=254,指数e=254-127=127,尾数M=111 1111 1111 1111 1111 1111,其机器码为:0 11111110 111 1111 1111 1111 1111 1111。

那么最大正数值:
PosMax=(1)S×1.M×2e=+(1.11111111111111111111111)×21273.402823e+38PosMax=(-1)^S\times1.M\times2^e=+(1.111 1111 1111 1111 1111 1111)\times2^{127}\approx3.402823e+38
这是一个很大的数。

(2)最小正数
最小正数符号位S=0,阶码E=1,指数e=1-127=-126,尾数M=0,其机器码为0 00000001 000 0000 0000 0000 0000 0000。

那么最小正数为:
PosMin=(1)S×1.M×2e=+(1.0)×21261.175494e38PosMin=(-1)^S\times1.M\times2^e=+(1.0)\times2^{-126} \approx1.175494e-38

这是一个相当小的数。几乎可以近似等于0。当阶码E=0,指数为-127时,IEEE754就是这么规定1.0×21271.0\times2^{-127}近似为0的,事实上,它并不等于0。

(3)最大负数
最大负数符号位S=1,阶码E=1,指数e=1-127==-126,尾数M=0,机器码与最小正数的符号位相反,其他均相同,为:1 00000001 000 0000 0000 0000 0000 0000。

最大负数等于:
NegMax=(1)S×1.M×2e=(1.0)×21261.175494e38NegMax=(-1)^S\times1.M\times2^e=-(1.0)\times2^{-126} \approx-1.175494e-38

(4)最小负数
符号位S=0,阶码E=254,指数e=254-127=127,尾数M=111 1111 1111 1111 1111 1111,其机器码为:1 11111110 111 1111 1111 1111 1111 1111。

计算得:
NegMin=(1)S×1.M×2e=+(1.11111111111111111111111)×2127=3.402823e+38NegMin=(-1)^S\times1.M\times2^e=+(1.111 1111 1111 1111 1111 1111)\times2^{127}=-3.402823e+38

6.2 浮点数的精度

说到浮点数的精度,先给精度下一个定义。浮点数的精度是指浮点数的小数位所能表达的位数。

阶码的二进制位数决定浮点数的表示范围,尾数的二进制位数表示浮点数的精度。以 32 位浮点数为例,尾数域有 23 位。那么浮点数以二进制表示的话精度是 23 位,23 位所能表示的最大数是2231=83886072^{23}-1=8388607,所以十进制的尾数部分最大数值是 8388607,也就是说尾数数值超过这个值,float 将无法精确表示,所以 float 最多能表示小数点后 7 位,但绝对能保证的为 6 位,即 float 的十进制的精度为 6~7 位。

64 位双精度浮点数的尾数域 52 位,因2521=4,503,599,627,370,4952^{52}-1=4,503,599,627,370,495,所以双精度浮点数的十进制的精度最高为 16 位,绝对保证的为 15 位,所以 double 的十进制的精度为 15~16 位。

7.小结

本文操之过急,但也花了将近一天的时间,难免出现编辑错误和不当说法,请网友批评指正。不明之处,欢迎留言交流。对浮点数的乘法、除法运算还未涉及,后续可能会去学习并记录学习所得,与大家分享。


参考文献

[1] 移码.百度百科
[2] 关于IEEE754标准浮点数阶码的移码.百度知道
[3] 白中英.计算机组成原理第四版[M].科学出版社:P16-P30
[4] 浮点数.维基百科

展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 编程工作室 设计师: CSDN官方博客
应支付0元
点击重新获取
扫码支付

支付成功即可阅读