浮点数处理

浮点数表达

IEEE754标准是用于规范浮点数运算的IEEE标准，用于解决浮点数标准混乱的问题。其被认证后不久，几乎所有的处理器生产商都采用这一标准，极大的推动了软件的发展。浮点数存储的格式如下：

float.png

浮点数由符号位，指数位和尾数三个部分组成，表达公式如下式：

X = (-1)^{s} \times f \times 2^{e}

在IEEE754标准中，主要规定了单精度浮点（float）和双精度浮点（double）两种浮点数：

首先考虑符号位，当该符号位为0时，表示该数为正数，符号位为1时，表示该数为负数。指数可以为负数，一般使用移码表示，移码表示为：

E = e- bias

E为真实的指数，e为浮点数中存储的尾数，bias为移位，有

bias = 2^{len(e) - 1} - 1

。以单精度浮点为例，指数位数

len(e) = 8

，则有bias=127，真实指数和存储的关系为

E = e - 127

，表示范围为-126~127（e=0和e=255用于表示特殊字符）。尾数为规格化的尾数，即尾数的二进制表示

f_b

前有一个隐藏的二进制1，即如下表示：

X = (-1)^{s} \times 1.f_b \times 2^{e-bias}

当e=0时，该浮点数为非规格化数，表示的数如下所示：

X = (-1)^s \times 0.f_b \times 2^{-126}

该标准内还定义了几个特殊值：

浮点数计算

浮点数乘法

浮点数的乘法分为以下几个步骤：

• 计算符号位：通过异或操作计算符号位，若两个操作数符号位相同，则结果符号位为0，否则结果符号为1
• 计算原始尾数：两个操作数的尾数相乘，得到原始尾数
• 计算原始指数：将两个操作数的指数相加，得到原始指数
• 规格化与舍入：对原始尾数和原始指数进行规格化，获得结果的指数，再对尾数进行舍入，获得结果的尾数

mul_flow.png

对于科学计数法表示的乘法，有：

[(-1)^{s_1} \times 1.f_1 \times 2^{e_1}] \times [(-1)^{s_2} \times 1.f_2 \times 2^{e_2}] = (-1)^{s_1 \ XOR \ s_2} \times (1.f_1\times 1.f_2) \times 2^{e_1+e_2}

现考虑32位的单精度浮点数（float），其指数为8位，尾数为23位，获得原始指数和原始尾数为：

• 原始指数：原始指数为两个8位的指数相加，共9位
• 原始尾数：原始尾数为两个23位的尾数相乘，共46位

获得原始指数和尾数后进行规格化，若原始指数小于-126，则小于表示范围，将原始尾数右移，每右移一位，原始指数+1，直到原始指数到达-126，此时形成非规格化数。若原始尾数不小于-126，进行正常的标准化：

• 两个规格化数相乘：

1.f_1 \times 1.f_2

，结果在1~4之间，即最高2位有以下几种可能性：

• 最高2位为01：原始尾数向左移位2位（包括移除隐含的1），原始指数直接为获得规格化的指数，小数部分还剩44位，在舍入部分处理。若原始指数-2后为-127，则在移位后尾数前添加1，使用非规格化表示
• 最高2位为10或11：原始尾数向左移位1位（移除隐含的1），原始指数+1获得规格化的指数，小数部分还剩45位，在舍入部分处理。

• 非规格数和规格化相乘：

1.f_1 \times 0.f_2

，结果在0~2之间，操作方式与上述类似

• 非规格化数和非规格化数相乘：原始指数为-252，尾数部分仅有46位，无论如何都不可能使指数规格化到-126，直接为0

进行规格化后，原始指数被修正为指数

e_3

，此时若尾数的位数超过23位，还需要进行舍入操作。将规格化后的尾数使用

sf

表示，

sf[h:h-23]

表示高23位的指数，

sf[h-24:0]

表示24位以后尾数。舍入使用“四舍六入”的方式，舍入规则如下所示：

• 若

sf[h-24:0] < 1000...0

：抛弃，舍入结果为

sf[h:h-23]

（四舍）

• 若

sf[h-24:0] > 1000...0

：进位，舍入结果为

sf[h:h-23]+1

（六入）

• 若

sf[h-24:0] == 1000...0

：舍向偶数，即使

sf[h:h-23]

变为偶数（

sf[h:h-23]

为奇数时进位，否则抛弃）

进行舍入后，原始尾数被修正为尾数

f_3

，乘法计算完成。

浮点数加法

浮点数的加法分为以下几个步骤：

• 对阶：将指数较小的浮点数进行尾数向右移位，指数同步增大，直到两个操作数的指数等
• 求和：对尾数进行求和
• 规格化：对指数和尾数做规格化，并对尾数进行舍入

add_flow.png

对于科学计数法表示的加法，有：

[(-1)^{s_1} \times 1.f_1 \times 2^{e_1}] + [(-1)^{s_2} \times 1.f_2 \times 2^{e_2}] = [(-1)^{s_1} \times 1.f_1 \times 2^{e_1-e_2}+ (-1)^{s_2} \times 1.f_2] \times 2^{e_2}

第一步为对阶，即将指数变为相同以实现加法，规定小阶向大阶对阶，即原始指数

e=\max\{e_1,e_2\}

，对于指数较小的操作数，需要将尾数向右移位，每移动一位，指数加1，移位直到阶数相等即完成对阶，对阶过程可表示为：

\begin{cases}(-1)^{s_1} \times 1.f_1 \times 2^{e_1} \\ (-1)^{s_2} \times 1.f_2 \times 2^{e_2}\end{cases} \to \begin{cases}[(-1)^{s_1} \times 1.f_1 \times 2^{e_1 - \max\{e_1,e_2\}}] \times 2^{\max\{e_1,e_2\}} \\ [(-1)^{s_2} \times 1.f_2 \times 2^{e_2 - \max\{e_1,e_2\}}] \times 2^{\max\{e_1,e_2\}}\end{cases}

第二步为求和，即对阶完成后，两个尾数可以直接求和获得原始尾数，求和过程如下所示：

\begin{cases}[(-1)^{s_1} \times 1.f_1 \times 2^{e_1 - \max\{e_1,e_2\}}] \times 2^{\max\{e_1,e_2\}} \\ [(-1)^{s_2} \times 1.f_2 \times 2^{e_2 - \max\{e_1,e_2\}}] \times 2^{\max\{e_1,e_2\}}\end{cases} \to \\ [(-1)^{s_1} \times 1.f_1 \times 2^{e_1 - \max\{e_1,e_2\}} + (-1)^{s_2} \times 1.f_2 \times 2^{e_2 - \max\{e_1,e_2\}}] \times 2^{\max\{e_1,e_2\}}

第三步为规格化和舍入，原始尾数

f = (-1)^{s_1} \times 1.f_1 \times 2^{e_1 - \max\{e_1,e_2\}} + (-1)^{s_2} \times 1.f_2 \times 2^{e_2 - \max\{e_1,e_2\}}

，原始指数

e=\max\{e_1,e_2\}

，对其进行规格化和舍入操作，获得新的指数

e_3

和尾数

f_3

，操作方式与乘法相同，即完成浮点数的加法。