一、浮点数的二进制结构

（先简要介绍一下）

部分	名称	含义
1 位	符号位（S）	表示正负号
k 位	阶码（E）	表示指数大小（级别）
n 位	尾数（M）	表示有效数字部分

（Bias即偏置值）

例如：

（图示来源王道408）

float型结构举例：

二、阶码为何用移码表示

浮点数阶码采用“移码”表示，是因为要用无符号二进制表示正负指数，同时保证二进制顺序与指数大小顺序一致。

如下表：

十进制真值	补码表示	移码表示（符号位取反）
-128	10000000	00000000
-127	10000001	00000001
-126	10000010	00000010
-125	10000011	00000011
-120	10001000	00001000
-112	10010000	00010000
-96	10100000	00100000
-64	11000000	01000000
-32	11100000	01100000
-16	11110000	01110000
-8	11111000	01111000
-4	11111100	01111100
-2	11111110	01111110
-1	11111111	01111111
0	00000000	10000000
1	00000001	10000001
2	00000010	10000010
4	00000100	10000100
8	00001000	10001000
16	00010000	10010000
32	00100000	10100000
64	01000000	11000000
96	01100000	11100000
112	01110000	11110000
120	01111000	11111000
125	01111101	11111101
126	01111110	11111110
127	01111111	11111111

可见通过移码可以更直观的看出指数大小变化，同时更方便对比阶数，通过阶码比较大小。

那问题来了，为什么IEEE 754标准不采用补码符号位取反的方式来计算移码而要用真值加偏置值呢？

三、通过偏置值计算移码的原因

（float型，8位二进制阶码举例）

偏置值计算移码公式：

（k表示阶码位数）

8位二进制阶码移码（Bias=127）

• 阶码真值范围： -126 到 +127

  • 为什么是-126？因为真值-127（移码0）和+128（移码255）被保留用于特殊值。

• 映射结果：

  • 最小真值 -126 -> 移码 1

  • 真值 0 -> 移码 127

  • 最大真值 +127 -> 移码 254

• 移码使用范围： 1 到 254（用于表示规范数）

• 特殊值： 移码 0 和 255 被完美地空出来。

这正是IEEE 754设计中最精妙和关键的部分。浮点数需要表示一些特殊的“非数字”情况，比如：

• 零：有正零和负零。

• 无穷大：有正无穷和负无穷。

• NaN：表示无效运算结果（如0/0, √-1）。

这些特殊值需要特定的、不会与普通数字冲突的位模式来表示。标准是如何做的呢？

• 规则：当阶码字段的所有位都是0或所有位都是1时，它不再表示一个普通的数字，而是用于表示这些特殊值。

而通过补码符号位取反得到移码的方式，表面上用了0~255所有模式，但实际上“浪费”了0和255这两个极具标志性的位模式（全0和全1）去表示两个普通的数字。这在计算机体系设计中是极其低效的，因为全0和全1模式在硬件检测时非常方便快捷。

四、总结（一句话）

通过移码表示阶码可以更好的比较阶数大小，而通过真值+偏置值的计算方式可以保留全0和全1两种位模式来表示特殊值，同时比通过补码符号位取反的方式更加简洁、快速、稳定。

---

五、移码偏置值补充（ChatGPT精华版）

---

1️⃣ 移码的偏置值可以人为设定吗？

理论上：完全可以。

移码的定义：

将一个数值（通常是整数）通过加上一个固定的「偏置值」来映射到一个新的无符号整数范围。

公式：

移码 = 真值 + 偏置值

偏置值的选择取决于设计目标：

• 你希望表示的数字范围是什么？（如 -100～100、-127～128）

• 你希望移码的范围从多少开始？（通常希望从 0 开始，便于比较）

---

🔹 举例说明

假设使用 8 位二进制（范围 0～255） 表示真值范围 -64 ～ +63：

为了让最小值 -64 对应 0：

偏置值 = 64

真值	计算式	移码结果
-64	-64 + 64	0
0	0 + 64	64
63	63 + 64	127

👉 所有移码（0～127）都在 8 位无符号范围内，可直接比较大小。

若改用偏置值 = 100，则范围变成：

36 (-64+100) ～ 163 (63+100)

数学上没问题，但：

• 没充分利用 0～255 的全范围；

• 最小值不从 0 开始；

• 实际应用中较不优雅或高效。

---

✅ 结论：
在设计自定义数值系统时，偏置值完全可以根据需求人为设定。

---

2️⃣ 不同标准偏置值计算是否不同？

对！
在现实标准中，不同体系有不同偏置值。最典型的是 IEEE 754 浮点数标准。

---

🧮 IEEE 754 各精度的偏置值

▪ 单精度（32 位浮点数，float）

• 指数位：8 位（范围 0～255）

• 偏置值：127
  计算公式：2^(8−1) − 1 = 127

• 关系式：e = E + 127

指数真值范围：-126 ～ +127
（因 -127 与 +128 被保留用于特殊用途）

---

▪ 双精度（64 位浮点数，double）

• 指数位：11 位（范围 0～2047）

• 偏置值：1023
  计算公式：2^(11−1) − 1 = 1023

• 关系式：e = E + 1023

指数真值范围：-1022 ～ +1023

---

💡 为什么 IEEE 754 要这样设计？

偏置值采用公式：2^(k−1) − 1（k 为指数位数）

原因：

设计目标	说明
对称性	使指数正负范围大致对称（如 -126～+127）
连续性	移码范围（1～254）连续，便于硬件比较
特殊值保留	边界值（0、255）留作特殊含义：• 全 0 → 表示 0 或 非规约数• 全 1 → 表示 ∞ 或 NaN

---

🧾 总结对比表

场景	偏置值是否可人为设定？	说明
理论 / 自定义设计	✅ 可以	可根据真值范围，自由选择偏置值，将真值映射至目标无符号区间。
实际标准（如 IEEE 754）	❌ 不可以	为保持兼容与统一，标准中偏置值固定。单精度：127，双精度：1023。计算公式：2^(k−1) − 1。

---

📘 最终结论：

理论上与自定义应用中，偏置值可以自由设定；
但在 IEEE 754 等标准中，偏置值是 固定、不可更改 的，不同精度的计算方式也各自不同。

---

感谢你的观看 !

如果觉得这篇文章对你有帮助的话可以点赞~收藏~关注~，这是对我最大的鼓励!