计算机组成原理

定点数与浮点数表示（IEEE 754 标准）

定点数与浮点数表示（IEEE 754 标准）

🎯 学习目标

  • 理解定点数的基本思想（为浮点做铺垫）
  • 掌握 IEEE 754 单精度（32位）浮点数的结构
  • 能手动将十进制小数转换为 IEEE 754 格式
  • 理解 为什么 0.1 + 0.2 != 0.3
  • 了解特殊值：无穷大（∞）、NaN、非规格化数

一、为什么需要浮点数？

整数可用补码完美表示，但现实中有大量小数：

  • 科学计算：3.1415926
  • 金融：99.99
  • 图形：坐标 (1.5, -2.3)

如果用固定小数点位置（比如始终保留2位小数），叫 定点数（Fixed-Point）：

  • 优点：硬件简单，运算快
  • 缺点：范围小、精度固定（无法同时表示 0.000001 和 1000000.0）

【Q&A】为什么定点数无法同时表示极小数和极大数？
因为定点数的小数点位置在硬件中是固定的。例如，若用32位表示，你必须预先分配多少位给整数部分、多少位给小数部分。

  • 表示 1000000.0 需要约20位整数部分；
  • 表示 0.000001 需要约20位小数部分；
    但总共只有32位，无法兼顾。
    而浮点数通过“阶码”动态调整尺度，用同一格式覆盖极大范围和高精度。

→ 所以需要 浮点数（Floating-Point）：小数点位置可以“浮动”，类似科学计数法！

二、科学计数法 → 浮点数思想

十进制科学计数法：
123.45 = 1.2345 × 10²

二进制科学计数法：
5.75₁₀ = 101.11₂ = 1.0111 × 2²

浮点数就是把一个数拆成三部分：
数值 = (-1)^S × (1.M) × 2^(E - Bias)

  • S：符号位（0正，1负）
  • M：尾数（Mantissa / Fraction），表示有效数字
  • E：阶码（Exponent），表示指数（带偏移）

✅ 这就是 IEEE 754 标准的核心！

三、IEEE 754 单精度（32位）格式

位段 长度 含义
S（符号） 1 位 0 = 正，1 = 负
E（阶码） 8 位 存储 指数 + 偏移量（Bias）
M（尾数） 23 位 存储小数部分（隐含前导1）

💡 偏移量（Bias）：单精度用 127，所以实际指数 = E - 127

🌟 关键技巧：隐含前导1（Hidden Bit）

  • 规格化数（Normalized）的二进制形式总是 1.xxxxx
  • 所以 IEEE 754 不存这个“1”，只存小数部分 xxxxx，省1位，提高精度！

【Q&A】单精度是否等于“1位整数 + 多位小数 + 偏移”？
是的！更准确地说：
单精度将实数表示为 二进制科学计数法 (-1)^S × 1.M × 2^E，然后：

  • 符号 S 存 1 位；
  • 尾数只存 M（23位小数部分），前导 1. 是隐含的；
  • 阶码存 E + 127（8位无符号整数）。
    这三部分组成32位，实现高效、统一的浮点表示。

四、动手：十进制 → IEEE 754（单精度）

例：+5.75

  1. 转二进制：101.11
  2. 规格化：1.0111 × 2² → M = 0111..., E真实 = 2
  3. 阶码存储：2 + 127 = 129 → 1000 0001
  4. 组合： 0 10000001 01110000000000000000000

五、为什么 0.1 + 0.2 != 0.3？

  • 0.1₁₀ = 0.0001100110011...₂（无限循环）
  • IEEE 754 只能存 23位尾数 → 必须截断/舍入
  • 内存中存的是 近似值 ≈ 0.10000000149…
  • 两个近似值相加 ≠ 0.3 的近似值

✅ 在 Python 中：

1
2
3
4
>>> 0.1 + 0.2
0.30000000000000004
>>> 0.1 + 0.2 == 0.3
False

💡 启示：永远不要用 == 比较浮点数！应使用 abs(a - b) < epsilon

六、IEEE 754 单精度（32位）

部分 位数 说明
S 1 符号位（0 = 正，1 = 负）
E 8 阶码（Exponent），偏置值 Bias = 127
M 23 尾数（Mantissa/Fraction），隐含前导 1

💡 小知识：实际数值计算公式为
$
(-1)^S \times (1.M) \times 2^{E - 127}
$
其中 1.M 表示二进制小数（如 1.101）。

示例：将十进制数 5.0 转换为 IEEE 754 单精度

  1. 转二进制：
    $ 5.0_{10} = 101.0_2 = 1.01_2 \times 2^2 $

  2. 确定各字段：

    • S = 0（正数）
    • E = 2 + 127 = 129 → 二进制 10000001
    • M = 01 后补零至 23 位 → 01000000000000000000000

  3. 最终 32 位表示：

1
2
3
0 10000001 01000000000000000000000
↑ ↑        ↑
S E(8位)   M(23位)

七、双精度（64位）简介

部分 位数 说明
S 1 符号
E 11 阶码（Bias = 1023）
M 52 尾数（隐含前导1）

精度：≈15 ～ 17 位十进制
范围：≈ ±10³⁰⁸
编程语言中 double 类型即为此格式