Excess Notation 與儲存實數（含浮點數）的方法

歡迎你點入本篇文章，會促成我想做這篇的原因，主要是因為在上計概時，突然浮現很多靈感，跟一大堆的問題（~~教授，為什麼要講的這麼淺白呢？我想知道更多啊啊！~~），為了一次解決我所有的困惑，於是製作本篇文章。

另外本篇偏向於做題篇，原理部分可能點到為止。

若文章有任何疑點及錯誤的地方歡迎提出。

Excess Notation（移碼、偏移表示法）

Excess Notation（也叫超額表示法）主要用於浮點數的指數（exponent）部分。

原理是將實際的數值加上一個固定的偏移值（bias）（如 127 或 1023），使得所有可表示的數值都變成非負數，並以便於無符號（unsigned）方式儲存與比較。

於 Excess Notation 中，假設偏移量是 $N$ ，則實際要表示的數 $x$ 會轉成儲存值 $x{excess}$ 。 $$x{excess} = x + N$$

舉一個例子，IEEE 754 單精度浮點數的指數以 excess-127 表示（dash 後面的 127 就是偏移量），若指數為 $2$ 那儲存值就會是 $2 + 127 = 129$ 。

範例

以 excess-7 為例，求以下兩題的 excess notation :

(a) 4
(b) -3

Solution：

(a) 4 + 7 = 11，二進位表示為 1011。
(b) -3 + 7 = 4，二進位表示為 0100。

用途

可以讓最小的二進位（如 $(00000000)_2$ ）代表最小的值，而最大二進位（如 $(11111111)_2$ ）代表最大值，方便硬體直接用整數比較大小。
用於 IEEE 754 格式中的指數（exponent）欄位。
避免判斷符號位元，儲存與運算都採用正整數。

儲存實數的方法

電腦儲存實數主要使用 IEEE 754 浮點數標準，將實數以二進位形式的編碼進行儲存。

（浮點數表示法）十進位轉二進位

以 23.625 為例。

看到這樣的數字可以先拆成 23 跟 0.625 分開計算。

23 的計算方式跟原本整數十進位轉二進位方法是一樣的：

23 / 2 = 11 餘 1
11 / 2 = 5 餘 1
5 / 2 = 2 餘 1
2 / 2 = 1 餘 0
1 / 2 = 0 餘 1

所得二進位數字就是 $(10111)_2$ 。

再來計算 0.625，浮點數十進位轉二進位的方法大致如下：

小數部分乘以 2。
紀錄算完的結果之整數部分（0 跟 1）。
再把那個算完結果的小數部分拿出來繼續做第一步。
一直算算到變 0 後就結束了，將記錄到的整數部分由上到下依序排序。

用 0.625 計算的範例：

$0.625 \times 2 = 1.25$
$0.25 \times 2 = 0.5$
$0.5 \times 2 = 1.0$
$0.0 \times 2 = 0.0$

取整數部分即可得到 $(0.101)_2$ 。

最後整數 + 小數就會得到我們要的結果了， $(23.625)_{10} = (10111.101)_2$

二進位浮點數要怎麼轉回去十進位？

假設一個二進位浮點數是 $(1.101001)_2$ ，那轉回去十進位就要從最左邊開始，然後往右算。

首先整數部分 1，就是 $1 \times 2^0 = 1$ 。

再來小數部分：

$1 \times 2^{-1} = 1 \times 0.5 = 0.5$
$0 \times 2^{-2} = 0 \times 0.25 = 0$
$1 \times 2^{-3} = 1 \times 0.125 = 0.125$
$0 \times 2^{-4} = 0 \times 0.0625 = 0$
$0 \times 2^{-5} = 0 \times 0.03125 = 0$
$1 \times 2^{-6} = 0 \times 0.015625 = 0.015625$

最後相加起來就是答案了： $1 + 0.5 + 0 + 0.125 + 0 + 0 + 0.015625 = (1.640625)_{10}$

浮點數格式

浮點數是用科學記號的概念去做轉換的，主要將數值拆成三個部分去儲存：

註：MSB （Most significant bit）為最高位元，亦即最左邊的位元。

符號位（Sign bit, S）：於 MSB 中，1 bit，0 表正數，1 表負數。
指數（Exponent, E）：用 excess notation 編碼，單精度 8 位元，雙精度 11 位元。
尾數（Fraction/Mantissa, M）：儲存有效數字的小數部分，單精度 23 位元，雙精度 52 位元。

（IEEE 754 採用正規化形式）另外在計算的時候要將這個浮點數進行正規化（Normalization），所謂正規化就是做以下動作：

將二進位數值轉換成 $(1.xxxxxxx)_2 \times 2^n$ ，確保小數點前都只有一個 1。

以 $(13.125)_{10}$ 執行正規化步驟：

轉二進位 $(13.125)_{10} = (1101.001)_2$
將 $(1101.001)_2$ 小數點移到最左邊那個 1 之後，變成 $(1.101001)_2$ 。
然後計算偏移量，就是看小數點移了幾位，這邊移了三位，所以偏移量是 3。
最後得到正規化結果就是： $(1.101001)_2 \times 2^3$ 。

如果最左邊那個位元不是 1 的話就是非正規化（denormal number 或 subnormal number）的數字，則會表示為 $(0.xxxxx)_2 \times 2^m$ 其中 m 為最小指數。這種數用來表示非常接近 0 的小數，避免下溢（Underflow）時直接變成 0。

浮點數分為兩種：

單精度（float：single-precision floating-point）浮點數：32 位元，偏移量 127，有效位數約 7 位十進位數字。
雙精度（double：Double-precision floating-point）浮點數：64 位元，偏移量 1023，有效位數約 15-16 位十進位數字。

轉換單精度浮點數

以 $13.125$ 為例：

首先轉成二進位 $(13.125)_{10} = (1101.001)_2$
進行正規化： $(1.101001)_2 \times 2^3$
由於 13.125 是正數，所以在符號位指定為 0。
接下來用 excess notation 計算指數： $E = 3 + 127 = (130)_{10} = (10000010)_2$
- 這邊的 $3$ 是從正規化的 $2^3$ 中的指數來的。
尾數（M）取正規化的有效小數位： $M = 101001$
最終得到 0 10000010 10100100000000000000000

這樣子就轉換成 IEEE 754 標準的單精度浮點數了。這邊故意以空格區隔出符號位、指數位、尾數的部分。

由於要滿足單精度浮點數的 32 位元條件，因此在尾數填寫後，補足剩餘的 0 讓他到 32 位。

單精度浮點數轉回去實際數值

公式： $V = (-1)^S \times 2^{E-bias} \times (1.M)$ ，其中 V 為實際數值。

若 bit pattern 形式以 excess-127（8 位元浮點數儲存形式）存儲之指數欄位，要轉回真實數值，步驟如下：

取得指數欄位的指數值（8 位元）。
減去偏移量（bias），如 $130 - 127 = 3$ 。
還原科學記號：將尾數（mantissa）還原成 $1.M$ 的形式。
接著使用上面的公式就可以了。（記得把 $1.M$ 轉成十進位，因為 $M$ 它本來就是二進位的形式）

舉個例子，假設有個 bit pattern 是 $(01000001010100100000000000000000)_2$ 。

看起來很長？先取出符號位，就是 MSB 那個 0。

然後再從它後面數八位元取出指數欄位，最後分隔一下就可以得到：

0 10000010 10100100000000000000000

而尾數 M 就是 101001。

最後我們整理一下得到的 S, E, M：

S = 0（正數）
E = $(10000010)_2$ = 130
M = $(101001)_2$

首先算出真正的指數， $E - bias = 130 - 127 = 3$ ，這個從 excess notation 的式子簡單移項就可以得到 3。

再來拼湊一下尾數，讓他變成 $1.M$ 的形式： $(1.101001)_2$ ，最後將這些東西代入公式就可以算出真實數值。

$V = (-1)^0 \times 2^3 \times (1.101001)_2 = 1 \times 8 \times 1.640625 = 13.125$

習題練習

Show the number $(101001000000000000000000000000000.00)_2$ in floating-point representation.
Show the number $−(0.00000000000000000000000101)_2$ in floating-point representation.
Show the Excess-127 (single precision) representation of the decimal number $5.75$ .
Show the Excess-127 (single precision) representation of the decimal number $–161.875$ .
Show the Excess-127 (single precision) representation of the decimal number $–0.0234375$ .

總結

Excess Notation（偏移表示法）：將實際數值加上固定偏移量（bias），使所有數值變成非負數。

計算公式： $x_{excess} = x + N$ （ $N$ 為偏移量）

這個表示法常用於 IEEE 表示浮點數時的指數欄位。

Excess-127：單精度浮點數（8 位元指數）
Excess-1023：雙精度浮點數（11 位元指數）

例：指數 3 在 excess-127 中儲存為 $3 + 127 = 130$

浮點數二進位轉換：

十進位轉二進位：

整數部分：除 2 取餘法（由下往上讀）
小數部分：乘 2 取整法（由上往下讀）

二進位轉十進位：每位元乘以對應的 $2^n$ 次方後相加。

整數部分： $n \ge 0$
小數部分： $n < 0$

IEEE 754 浮點數格式：

部分	單精度	雙精度	說明
符號位（S）	1 bit	1 bit	0=正，1=負
指數（E）	8 bits	11 bits	使用 excess notation
尾數（M）	23 bits	52 bits	小數點後的有效數字
總計	32 bits	64 bits	-
偏移量	127	1023	-
精度	約 7 位	約 15-16 位	十進位數字