计算机组成原理定点数、浮点数等运算方法复习

浮点数的表示和基本运算

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 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(范围计算)

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？

浮点数加法运算

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。 （1）截去法。将多余的位截去，剩下的位不变。其最大误差接近于数据最低位上的1。

浮点数的表示和计算

《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

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。

浮点数加减运算课件

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）

浮点数的加减乘除运算步骤

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

浮点数计算方式

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

单片机浮点数计算

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

浮点数的加减法运算

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

浮点数计算实例

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

浮点运算转定点运算

与afreez一起学习DSP中浮点转定点运算 一：浮点与定点概述 1.1相关定义说明 定点数：通俗的说，小数点固定的数。以人民币为例，我们日常经常说到的如123.45￥，789.34￥等等，默认的情况下，小数点后面有两位小数，即角，分。如果小数点在最高有效位的前面，则这样的数称为纯小数的定点数，如0.12345，0.78934等。如果小数点在最低有效位的后面，则这样的数称为纯整数的定点数，如12345，78934等。 浮点数：一般说来，小数点不固定的数。比较容易的理解方式是，考虑以下我们日常见到的科学记数法，拿我们上面的数字举例，如123.45，可以写成以下几种形式： 12.345x101 1.2345 x102 0.12345 x103xi …… 为了表示一个数，小数点的位置可以变化，即小数点不固定。 1.2定点数与浮点数的对比 为了简单的把问题描述清楚，这里都是十进制数字举例，详细的分析，大家可以在后面的文章中看到。 (1)表示的精度与范围不同 例如，我们用4个十进制数来表达一个数字。对于定点数（这里以定点整数为例），我们表示区间[0000，9999]中的任何一个数字，但是如果我们要想表示类似1234.3的数值就无能为力了，因为此时的表示精度为1/100=1；如果采用浮点数来表示（以归整的科学记数法，即小数点前有一位有效位，为例），则可以表示[0.000，9.999]之间的任何一个数字，表示的精度为1/103=0.001，精度比上一种方式提高了很多，但是表示的范围却小了很多。 也就是说，一般的，定点数表示的精度较低，但表示的数值范围较大；而浮点数恰恰相反。 (2)计算机中运算的效率不同 一般说来，定点数的运算在计算机中实现起来比较简单，效率较高；而浮点数的运算在计算机中实现起来比较复杂，效率相对较低。 (3)硬件依赖性 一般说来，只要有硬件提供运算部件，就会提供定点数运算的支持（不知道说的确切否，没有听说过不支持定点数运算的硬件），但不一定支持浮点数运算，如有的很多嵌入式开发板就不提供浮点运算的支持。 1.3与DSP的关系 一般说来，DSP处理器可以分为两大类：定点与浮点。两者相比较而言，定点DSP处理器速度快，功耗低，价格也便宜；而浮点DSP则计算精度高，动态范围大。

浮点数运算

浮点数的表示和基本运算 [收藏此页] [打印] 【IT168知识库】 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 1 8 23 (-1)S*2(P-127)*1.M 127 1 11 5 2 (-1)S*2(P-1023)*1.M 1023 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。特定精度下看似相等的两个浮点数可能并不相等，因为它们的最小有效位数不同。 由于浮点数可能无法精确近似于十进制数，如果使用十进制数，则使用浮点数的数学或比较运算可能不会产生相同的结果。 如果涉及浮点数，值可能不往返。值的往返是指，某个运算将原始浮点数转换为另一种格式，而反向运算又将转换后的格式转换回浮点数，且最终浮点数与原始浮点数相等。由于一个或多个最低有效位可能在转换中丢失或更改，往返可能会失败。 4 将浮点数表示为二进制

浮点数定点运算

DSP芯片的定点运算 1．数的定标 在定点DSP芯片中，采用定点数进行数值运算，其操作数一般采用整型数来表示。一个整型数的最大表示范围取决于DSP芯片所给定的字长，一般为16位或24位。显然，字长越长，所能表示的数的范围越大，精度也越高。如无特别说明，本书均以16位字长为例。DSP芯片的数以2的补码形式表示。每个16位数用一个符号位来表示数的正负，0表示数值为正，1则表示数值为负。其余15位表示数值的大小。因此 二进制数0010000000000011b＝8195 二进制数1111111111111100b＝-4 对DSP芯片而言，参与数值运算的数就是16位的整型数。但在许多情况下，数学_运算过程中的数不一定都是整数。那么，DSP芯片是如何处理小数的呢？应该说，DSP芯片本身无能为力。那么是不是说DSP芯片就不能处理各种小数呢？当然不是。这其中的关键就是由程序员来确定一个数的小数点处于16位中的哪一位。这就是数的定标。 通过设定小数点在16位数中的不同位置，就可以表示不同大小和不同精度的小数了。数的定标有Q表示法和S表示法两种。表3.1列出了一个16位数的16种Q表示、S表示及它们所能表示的十进制数值范围。 从表3.1可以看出，同样一个16位数，若小数点设定的位置不同，它所表示的数也就不同。例如： 16进制数2000H＝8192，用Q0表示 16进制数2000H＝0.25，用Q15表示 但对于DSP芯片来说，处理方法是完全相同的。 从表3.1还可以看出，不同的Q所表示的数不仅范围不同，而且精度也不相同。Q越大，数值范围越小，但精度越高；相反，Q越小，数值范围越大，但精度就越低。例如，Q0的数值范围是-32768到+32767，其精度为1，而Q15的数值范围为-1到0.9999695，精度为 1/32768 = 0.00003051。因此，对定点数而言，数值范围与精度是一对矛盾，一个变量要想能够表示比较大的数值范围，必须以牺牲精度为代价；而想提高精度，则数的表示范围就相应地减小。在实际的定点算法中，为了达到最佳的性能，必须充分考虑到这一点。 浮点数与定点数的转换关系可表示为： 浮点数(x)转换为定点数( )： 定点数( )转换为浮点数(x)： 例如，浮点数 x=0.5，定标 Q＝15，则定点数＝，式中表示下取整。反之，一个用 Q＝15 表示的定点数16384，其浮点数为16384×2-15 ＝16384/32768=0.5。 表3.1 Q表示、S表示及数值范围 Q表示 S表示十进制数表示范围 Q15 S0.15 -1≤X≤0.9999695 Q14 S1.14 -2≤X≤1.9999390 Q13 S2.13 -4≤X≤3.9998779 Q12 S3.12 -8≤X≤7.9997559 Q11 S4.11 -16≤X≤15.9995117 Q10 S5.10 -32≤X≤31.9990234 Q9 S6.9 -64≤X≤63.9980469 Q8 S7.8 -128≤X≤127.9960938 Q7 S8.7 -256≤X≤255.9921875 Q6 S9.6 -512≤X≤511.9804375 Q5 S10.5 -1024≤X≤1023.96875 Q4 S11.4 -2048≤X≤2047.9375 Q3 S12.3 -4096≤X≤4095.875 Q2 S13.2 -8192≤X≤8191.75 Q1 S14.1 -16384≤X≤16383.5 Q0 S15.0 -32768≤X≤32767

浮点转定点方法总结

浮点转定点方法总结 —孔德琦

目录 定点运算方法................................................ 错误!未定义书签。 数的定标 ............................................... 错误!未定义书签。 C语言：从浮点到定点 ................................. 错误!未定义书签。 加法.................................................... 错误!未定义书签。 乘法..................................................... 错误!未定义书签。 除法..................................................... 错误!未定义书签。 三角函数运算............................................ 错误!未定义书签。 开方运算................................................ 错误!未定义书签。 附录...................................................... 错误!未定义书签。 附录1：定点函数库...................................... 错误!未定义书签。 附录2：正弦和余弦表..................................... 错误!未定义书签。

浮点数的加减运算一般由以下五个步骤完成

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