计算机基本工作原理——一文搞懂定点数与浮点数

一、数值表示的底层需求

计算机存储和运算的所有数据最终都是二进制形式。但如何表示实数（即带小数点的数）？这需要解决两个核心问题：

范围：能表示的数值范围有多大？

精度：数值的最小间隔是多少？

定点数和浮点数是两种不同的解决方案。

二、定点数（Fixed-Point Number）

1. 定义

核心特征：小数点的位置在存储时是固定不变的。

示例：假设用8位二进制表示一个数，若小数点固定在中间（即第4位后），则：

二进制 0011 1100 表示 0011.1100，即十进制 3.75。

2. 存储结构

通常分为 整数部分 和 小数部分，总位数固定。

Q格式表示法：广泛用于嵌入式系统，格式为 Qm.n：

m：整数部分位数

n：小数部分位数

总位数 = m + n + 1（符号位）

示例：Q7.8 表示符号位1位，整数7位，小数8位（共16位）。

3. 运算规则

加减法：直接对齐小数点后按整数运算。

乘法：结果的小数位数是乘数小数位数之和，需移位调整。

例如 Q3.5 × Q4.4 → 结果需右移 5+4=9 位得到正确小数位。

除法：复杂，需通过移位和迭代算法实现。

4. 优缺点

优点：

硬件实现简单，运算速度快。

精度固定，适合对确定性要求高的场景（如财务计算）。

缺点：

动态范围有限，无法同时表示极大和极小的数。

需预先确定小数点位置，灵活性差。

5. 应用场景

嵌入式系统（资源有限，无需浮点运算单元）

数字信号处理（DSP）

金融交易（避免浮点精度误差）

三、浮点数（Floating-Point Number）

1. 定义

核心特征：小数点位置可以“浮动”，通过指数动态调整数值范围。

科学计数法的二进制版本：

数值 = 符号 × 尾数 × 2^指数

例如：-1.1011 × 2⁵ → 十进制 −54.0

对于二进制数-1.1011 × 2⁵ 转换为十进制数，具体步骤如下：计算 2⁵的值：\ 2⁵=2×2×2×2×2=32。将二进制小数1.1011转换为十进制小数：根据二进制转十进制的 “按权相加” 法，从右到左用二进制的每个数去乘以2的相应次方，小数点后则是从左往右。即1×2−1+0×2−2+1×2−3+1×2−4=0.5+0+0.125+0.0625=0.6875，所以1.1011转换为十进制是1+0.6875=1.6875。
计算最终结果：因为符号为负，所以最终结果为−(1.6875×32)=−54.0。

2. 存储结构（以IEEE 754标准为例）

单精度（32位）：

符号位（1位） + 指数（8位，偏移127） + 尾数（23位，隐含前导1）

双精度（64位）：

符号位（1位） + 指数（11位，偏移1023） + 尾数（52位，隐含前导1）

IEEE 754 单精度示例

根据IEEE 754标准，数值 -6.25 的单精度（32位）和双精度（64位）二进制表示如下：

单精度（32位）表示

步骤解析：

1. 符号位：负数 → 1。