IEEE754标准 - 悦读

IEEE二进制浮点数算术标准（IEEE 754）是1980年代以来最广泛使用的浮点数运算标准，为许多CPU与浮点运算器所采用。这个标准定义了表示浮点数的格式（包括负零-0）与反常值（denormal number）），一些特殊数值（无穷与非数值（NaN）），以及这些数值的“浮点数运算符”；它也指明了四种数值舍入规则和五种例外状况（包括例外发生的时机与处理方式）。

IEEE 754规定了四种表示浮点数值的方式：单精确度（32位元）、双精确度（64位元）、延伸单精确度（43位元以上，很少使用）与延伸双精确度（79位元以上，通常以80位元实做）。只有32位元模式有强制要求，其他都是选择性的。大部分编程语言都有提供IEEE浮点数格式与算术，但有些将其列为非必需的。例如，IEEE 754问世之前就有的C语言，现在有包括IEEE算术，但不算作强制要求（C语言的float通常是指IEEE单精确度，而double是指双精确度）。

该标准的全称为IEEE二进制浮点数算术标准（ANSI/IEEE Std 754-1985），又称IEC 60559:1989，微处理器系统的二进制浮点数算术（本来的编号是IEC 559:1989）^[1]。后来还有“与基数无关的浮点数”的“IEEE 854-1987标准”，有规定基数为2跟10的状况。现在最新标准是“IEEE 854-2008标准”。

在六、七十年代，各家计算机公司的各个型号的计算机，有着千差万别的浮点数表示，却没有一个业界通用的标准。这给数据交换、计算机协同工作造成了极大不便。IEEE的浮点数专业小组于七十年代末期开始酝酿浮点数的标准。在1980年，英特尔公司就推出了单片的8087浮点数协处理器，其浮点数表示法及定义的运算具有足够的合理性、先进性，被IEEE采用作为浮点数的标准，于1985年发布。而在此前，这一标准的内容已在八十年代初期被各计算机公司广泛采用，成了事实上的业界工业标准。

浮点数剖析

以下是该标准对浮点数格式的描述。

[编辑]本文表示位元的约定

把W个位元(bit)的数据，从内存地址低端到高端，以0到W−1编码。通常将内存地址低端的位元写在最右边，称作最低有效位(least significant bit或lsb)，代表最小的位元，改变时对整体数值影响最小的位元。声明这一点的必要性在于X86体系架构是小端序的数据存储。

对于十进制整数N，必要时表示为N₁₀以与二进制的数的表示N₂相区分。

对于一个数，其二进制科学计数法表示下的指数的值，下文称之为指数的实际值；而根据IEEE 754标准对指数部分的编码的值，称之为浮点数表示法指数域的编码值。

[编辑]整体呈现

IEEE 754浮点数的三个域

二进制浮点数是以符号数值表示法的格式储存——最高有效位被指定为符号位(sign bit)；“指数部份”，即次高有效的e个位元，存储指数部分；最后剩下的f个低有效位的位元，存储“尾数部份”(significand)。

[编辑]指数偏移值

指数偏移值(exponent bias)，是指浮点数表示法中的指数域的编码值为指数的实际值加上某个固定的值，IEEE 754标准规定该固定值为 2^e-1 - 1^[2]，其中的e为存储指数的位元的长度。

以单精度浮点数为例，它的指数域是8个位元，固定偏移值是2^8-1 - 1 = 128−1 = 127. 单精度浮点数的指数部分实际取值是从128到-127。例如指数实际值为17₁₀，在单精度浮点数中的指数域编码值为144₁₀，即144₁₀ = 17₁₀ + 127₁₀.

采用指数的实际值加上固定的偏移值的办法表示浮点数的指数，好处是可以用长度为e个位元的无符号整数来表示所有的指数取值，这使得两个浮点数的指数大小的比较更为容易。

[编辑]规约形式的浮点数

如果浮点数中指数部分的编码值在 $0 <$ exponent $< 2^{e} - 1$ 之间，且尾数部分最高有效位是1，那么这个浮点数将被称为规约形式的浮点数。

[编辑]非规约形式的浮点数

如果浮点数的指数部分的编码值是0，尾数部分的最高有效位也是0，那么这个浮点数将被称为非规约形式的浮点数。IEEE 754标准规定：非规约形式的浮点数的指数偏移值比规约形式的浮点数的指数偏移值大1. 例如，最小的规约形式的单精度浮点数的指数部分编码值为1，指数的实际值为-126；而非规约的单精度浮点数的指数域编码值为0，对应的指数实际值也是-126而不是-127。实际上非规约形式的浮点数仍然是有效可以使用的，只是它们的绝对值已经小于所有的规约浮点数的绝对值；即所有的非规约浮点数比规约浮点数更接近0。规约浮点数的尾数大于等于1且小于2，而非规约浮点数的尾数小于1且大于0.

IEEE 754-1985标准采用非规约浮点数，源于70年代末IEEE浮点数标准化专业技术委员会酝酿浮点数二进制标准时，Intel公司对渐进式下溢出(gradual underflow)的力荐。当时十分流行的DEC VAX机的浮点数表示采用了突然式下溢出(abrupt underflow). 如果没有渐进式下溢出，那么0与绝对值最小的浮点数之间的距离(gap)将大于相邻的小浮点数之间的距离。例如单精度浮点数的绝对值最小的规约浮点数是 $1.0\times 2^{-126}$ , 它与绝对值次小的规约浮点数之间的距离为 $2^{-126}\times 2^{-23}=2^{-149}$ 。如果不采用渐进式下溢出，那么绝对值最小的规约浮点数与0的距离是相邻的小浮点数之间距离的 $2^{23}$ 倍！可以说是非常突然的下溢出到0。这种情况的一种糟糕后果是：两个不等的小浮点数X与Y相减，结果将是0. 训练有素的数值分析人员可能会适应这种限制情况，但对于普通的程序员就很容易陷入错误了。采用了渐进式下溢出后将不会出现这种情况。例如对于单精度浮点数，指数部分实际最小值是(-126)，对应的尾数部分从 $1.1111\ldots 11$ , $1.1111\ldots 10$ 一直到 $0.0000\ldots 02$ , $0.0000\ldots 01$ ，相邻两小浮点数之间的距离(gap)都是 $2^{-126}\times 2^{-23}=2^{-149}$ ；而与0最近的浮点数(即最小的非规约数)也是 $2^{-126}\times 2^{-23}=2^{-149}$ 。

[编辑]特殊值

这里有三个特殊值需要指出：

如果指数是0 并且 小数部分 是0，这个数±0（和符号位相关）
如果指数 = $2^{e} - 1$ 并且 小数部分 是0，这个数是 ±无穷大（同样和符号位相关）
如果指数 = $2^{e} - 1$ 并且 小数部分 非0，这个数表示为不是一个数（NaN）。

以上规则，总结如下：

形式	指数	小数部分
零	0	0
非规约形式	0	非0
规约形式	$1$ 到 $2^e-2$	任意
无穷	$2^e-1$	0
NaN	$2^e-1$	非零

[编辑]32位单精度

单精度二进制小数，使用32个位元存储。

1	8	23　位长
S	Exp	Fraction
31	30至23 偏正值（实际的指数大小+127）	22至0　位编号（从右边开始为0）

S为符号位，Exp为指数位，Fraction为有效数位。指数部分即使用所谓的偏正值形式表示，偏正值为实际的指数大小与一个固定值（32位的情况是127）的和。采用这种方式表示的目的是简化比较。因为，指数的值可能为正也可能为负，如果采用补码表示的话，全体符号位S和Exp自身的符号位将导致不能简单的进行大小比较。正因为如此，指数部分通常采用一个无符号的正数值存储。单精度的指数部分是−126～+127加上偏移值127 ，指数值的大小从1～254（0和255是特殊值）。浮点小数计算时，指数值减去偏正值将是实际的指数大小。

单精度浮点数各种极值情况：

类别	正负号	实际指数	有偏移指数	指数域	尾数域	数值
零	0	-127	0	0000 0000	000 0000 0000 0000 0000 0000	0.0
负零	1	-127	0	0000 0000	000 0000 0000 0000 0000 0000	−0.0
1	0	0	127	0111 1111	000 0000 0000 0000 0000 0000	1.0
-1	1	0	127	0111 1111	000 0000 0000 0000 0000 0000	−1.0
最小的非规约数	*	-127	0	0000 0000	000 0000 0000 0000 0000 0001	±2⁻²³ × 2⁻¹²⁶ = ±2⁻¹⁴⁹ ≈ ±1.4×10^-45
中间大小的非规约数	*	-127	0	0000 0000	100 0000 0000 0000 0000 0000	±2⁻¹ × 2⁻¹²⁶ = ±2⁻¹²⁷ ≈ ±5.88×10^-39
最大的非规约数	*	-127	0	0000 0000	111 1111 1111 1111 1111 1111	±(1−2⁻²³) × 2⁻¹²⁶ ≈ ±1.18×10^-38
最小的规约数	*	-126	1	0000 0001	000 0000 0000 0000 0000 0000	±2⁻¹²⁶ ≈ ±1.18×10^-38
最大的规约数	*	127	254	1111 1110	111 1111 1111 1111 1111 1111	±(2−2⁻²³) × 2¹²⁷ ≈ ±3.4×10³⁸
正无穷	0	128	255	1111 1111	000 0000 0000 0000 0000 0000	+∞
负无穷	1	128	255	1111 1111	000 0000 0000 0000 0000 0000	−∞
NaN	*	128	255	1111 1111	non zero	NaN
* 符号位可以为0或1 .

[编辑]64位双精度

双精度二进制小数，使用64个位元存储。

1	11	52　位长
S	Exp	Fraction
63	62至52 偏正值（实际的指数大小+1023）	51至0　位编号（从右边开始为0）

S 为符号位，Exp为指数位，Fraction为有效数位。指数部分即使用所谓的偏正值形式表示，偏正值为实际的指数大小与一个固定值（64位的情况是1023）的和。采用这种方式表示的目的是简化比较。因为，指数的值可能为正也可能为负，如果采用补码表示的话，全体符号位S和Exp自身的符号位将导致不能简单的进行大小比较。正因为如此，指数部分通常采用一个无符号的正数值存储。双精度的指数部分是−1022～+1023加上1023 ，指数值的大小从1～2046（0(2进位全为0)和2047(2进位全为1)是特殊值）。浮点小数计算时，指数值减去偏正值将是实际的指数大小。

[编辑]浮点数的比较

浮点数基本上可以按照符号位、指数域、尾数域的顺序作字典比较。显然，所有正数大于负数；正负号相同时，指数的二进制表示法更大的其浮点数值更大。

[编辑]浮点数的舍入

任何有效数上的运算结果，通常都存放在较长的暂存器中，当结果被放回浮点格式时，必须将多出来的位元丢弃。有多种方法可以用来执行舍入作业，实际上IEEE标准列出4种不同的方法：

舍入到最接近：会将结果舍入为最接近且可以表示的值。这是缺省的近似方法。
朝+∞方向舍入：会将结果朝正无限大的方向舍入。
朝-∞方向舍入：会将结果朝负无限大的方向舍入。
朝0方向舍入：会将结果朝0的方向舍入。

[编辑]浮点数的运算与函数

[编辑]标准运算

下述函数必须提供:

加减乘除 Add, subtract, multiply, divide
平方根 Square root
浮点余数. 返回值 x-(round(x/y)*y).
近似到最近的整数. 如果恰好在两个相邻整数之间，则近似到偶数.
比较运算. IEEE754定义了特殊情况： -inf = -inf, inf = inf and x ≠ NaN for any x (including NaN).

[编辑]建议的函数与谓词

Under some C compilers, copysign(x,y) returns x with the sign of y, so abs(x) equals copysign(x,1.0). This is one of the few operations which operates on a NaN in a way resembling arithmetic. The function copysign is new in the C99 standard.
−x returns x with the sign reversed. This is different from 0−x in some cases, notably when x is 0. So −(0) is −0, but the sign of 0−0 depends on the rounding mode.
scalb(y, N)
logb(x)
finite(x) a predicate for "x is a finite value", equivalent to −Inf < x < Inf
isnan(x) a predicate for "x is a nan", equivalent to "x ≠ x"
x <> y which turns out to have different exception behavior than NOT(x = y).
unordered(x, y) is true when "x is unordered with y", i.e., either x or y is a NaN.
class(x)
nextafter(x,y) returns the next representable value from x in the direction towards y