计算机组成原理重点整理(白中英版).doc

计算机组成原理是计算机科学的基础课程，它涉及到计算机硬件系统的核心组成部分，如运算器、控制器、存储器等。在这个文档中，我们主要关注浮点数的存储和运算，这是计算机处理科学计算和高精度数字时的关键部分。 浮点数在计算机中以特定的格式存储，即IEEE 754标准。这个标准定义了浮点数如何被编码为二进制形式，包括符号位(S)、指数部分(E)和尾数部分(M)。例如，一个32位的浮点数会有1位符号位，8位指数位和23位尾数位。其中，指数部分通常会有一个偏移量，比如对于754标准，指数的偏移量是127。这意味着实际的指数值是存储的指数加上这个偏移量。 1. 在例子1中，给定的浮点数(41360000)16，转换为二进制并解析后，我们可以得到指数e=3，尾数M=1.011011。根据754标准，最终的浮点数为+11.375。 2. 转换数(20.59375)10到754标准的32位浮点数，需要将整数和小数部分转换为二进制，然后调整小数点位置，计算指数e。在这个例子中，我们得到指数e=4，尾数M=0.1010010011，最后组合得到的二进制存储格式是01000001101001001100000000000000，即(41A4C000)16。 3. 对于非IEEE754标准的浮点数，我们同样需要考虑符号位、指数和尾数。这里，指数的偏移量是128。最大正数和最小正数的计算是基于指数的最大值和最小值以及尾数的最大可能值，而最大负数和最小负数则是基于指数的最小值和尾数的最大可能值。 4. 源码阵列乘法器和补码阵列乘法器用于进行浮点数的乘法运算。在原码阵列乘法中，我们需要考虑符号位的异或操作和尾数的乘法。对于给定的两个二进制数，通过这两个步骤可以得出乘积的补码形式。 5. 浮点数的加减运算涉及到对齐尾数、处理指数差以及考虑符号位的影响。在给出的例子中，x和y的指数不同，需要通过调整尾数和指数来实现相加。x的值为-2^(-101)*0.010110，y的值为2^(-100)*0.010110。在执行加减操作之前，需要先调整它们的指数使其对齐，然后进行相应的尾数运算。 计算机组成原理中的浮点数处理包括浮点数的存储格式、转换、运算以及异常处理等方面。理解这些概念对于深入学习计算机硬件和软件交互至关重要，特别是对于处理涉及大量浮点计算的领域，如图形渲染、数值模拟和科学计算等。