【计算机组成原理】计算机组成原理(三)

news2024/10/5 5:23:30

计算机组成原理(三)

奇偶校验码:

校验原理:

2个比特位可以映射出4种合法的情况 2的2次方

3个比特位可以映射出8种不同的情况,其中4种为合法情况,另外4种为非法情况

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Bj6QTiyd-1681371017169)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308162412572.png)]

上图的每个编码都是一个码字

在同一组码字内,两个不同的码字的最小距离叫做码距(d)

d=1,无检错能力,d=2,有检错能力

d>=3,设计合理的情况下,可能有检错、纠错能力

比如:100的d=2,当他出错时变为101,只变化1位它检验的出来

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1A6Lp07d-1681371017169)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308164820001.png)]

奇偶校验:

校验码分为有效信息位和校验位。

奇校验码:这个校验码“1”的个数为奇数

偶校验码:整个校验码“1”的个数为偶数

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mk9qUQyI-1681371017170)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308163712076.png)]

偶校验码的硬件实现:个信息进行异或(摸2加)运算,得到的结果即为偶校验位:

异或:相同为0,相异为1
>
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9ClQldSD-1681371017170)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308163937897.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ok88Meue-1681371017170)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308163955991.png)]

海明校验码:

海明码设计思路:将信息位分组进行偶校验,然后多个校验位来确定出错的位置

循环冗余校验码(CRC):

CRC的基本思想:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kEmTRLnv-1681371017171)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308165253842.png)]

1.确定K、R以及生成多项式对应的二进制码

K为信息码的长度,R为生成多项式的最高次幂,校验码位数N=K+R

2.移位

信息码左移R位,低位补0

3.相除

对移位后的信息码,用生成多项式进行摸2除法,产生余数

4.纠错和检错

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ePLUvClE-1681371017171)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308165916423.png)]

浮点数的表示和运算:

定点数和浮点数:

定点数:小数点的位置固定,eg:996.007

浮点数:小数点的位置不固定,eg:9.96007*10的2次方

定点数的表示:

定点数分为无符号数和有符号数

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hCOMtQUY-1681371017172)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308182841855.png)]

无符号数就是每一位都是数值位,没有符号位

n位的无符号数的表示范围为:0~2的n次方-1

原码:

分为定点整数部分和定点小数部分

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-V4F1Ia4K-1681371017172)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308183116812.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sj30dNBk-1681371017172)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308183203159.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UFIU4sOR-1681371017172)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308183448585.png)]

如果机械字长n+1位,原码整数的表示范围:[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-D7U7vsjb-1681371017173)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308183641673.png)]

如果机械字长n+1位,原码小数的表示范围:[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-58dCfXWZ-1681371017173)(C:\Users\小卢\AppData\Roaming\Typora\typora-user-images\image-20230308183726679.png)]

反码:

如果为正数,原反补都是相同的

如果为负数,反码为除了符号位以外每一位原码取反

例:x=19,

[x]原=0,0010011,[x]反=0,0010011

例,x=-19

[x]原=1,0010011,[x]反=1,1101100

定点小数也是如此:

反码的定点小数和定点分数的范围和原码的范围相同

补码:

正数的补码为跟原码反码相同

负数的补码为反码+1

例:x=19,

[x]原=0,0010011,[x]反=0,0010011

[x]补=0,0010011

例,x=-19

[x]原=1,0010011,[x]反=1,1101100

[x]补=1,1101101

定点整数和定点小数的补码范围跟原码反码的范围不同

定点整数最小值要加上了一个2的-n次方,定点小数的最小值要减一个2的-n次方

0的原码和反码都有两种,但是0的补码只有一种形式

移码:

移码等于补码+1

补码表示的整数跟真值的变化趋势相同,因此可以用补码来判断大小关系

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/421594.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【DES详解】(一)处理input block(64 bits)

一、DES 加密算法总览 0-1、初识置换 IP(Initial Permutation) 输入:明文(64 bits) 过程:初识置换 输出:处理后的明文permuted input(64 bits) 首先,对需要解…

手写一个IO泄露监测框架

作者:长安皈故里 大家好,最近由于项目原因,对IO资源泄漏的监测进行了一番调研深入了解,发现IO泄漏监测框架实现成本比较低,效果很显著;同时由于IO监测涉及到反射,还了解到了通过一种巧妙的方式实…

AEC-Q认证介绍及所有最新工程文件下载

AEC-Q认证介绍及所有最新文件(英文版)下载 注意: 更多交流及资料请加V:john-130 AEC-Q认证介绍 1,AEC-Q认证总体情况介绍 (​1)AEC(Automotive Electronics Council)…

图像分类:Pytorch图像分类之-- MobileNet系列模型

文章目录前言MobileNetV1模型介绍DW(Depthwise Convolution)卷积PW (Pointwise Convolution)卷积深度可分离卷积(DWPW)ReLU6激活函数的介绍MobileNet V1网络结构MobileNet V1程序MobileNetV2模型介绍Invert…

链接、包管理工具、polyrepo、monorepo以及Lerna 工具的使用

nodejs 链接、包管理工具、多包管理以及Lerna 工具的使用jcLee95:https://blog.csdn.net/qq_28550263?spm1001.2101.3001.5343 邮箱 :291148484163.com 本文地址:https://blog.csdn.net/qq_28550263/article/details/129903902 目 录1. 概述…

bjdctf_2020_babyrop2-fmt-leak canary

1,三连 分析:开了canary,先想办法获取canary值。 2,IDA静态分析,查看可以泄露canary的地方,否则只能爆破了 发现可以格式化字符串函数泄露的地方: 栈帧结构: 高地址 -------------- gift_ret栈帧 ------…

【算法宇宙——在故事中学算法】背包dp之01背包问题

唯手熟尔方成艺,唯读书能致卓越。勤学苦练方可成,路漫漫其修远兮! 文章目录前言正文故事总结前言 尽管计算机是门严谨的学科,但正因为严谨,所以要有趣味才能看得下去。在笔者的前几篇算法类文章中,都采用了…

智慧公厕系统的应用示例

近几年,在一些高速服务区或者一些城市的公共厕所当中,总会看见一些富有科技感的硬件,比如厕位有无人指示灯、厕所除臭杀菌机、智能取纸机、智能洗手台镜面广告机等。现在在衡量城市发展的过程中,总会以城市的建设,城市…

Weblogic远程代码执行漏洞 CVE-2023-21839

漏洞简介 WebLogic Core远程代码执行漏洞(CVE-2023-21839),该漏洞允许未经身份验证的远程攻击者通过T3/IIOP协议进行 JNDI lookup 操作,破坏易受攻击的WebLogic服务器,成功利用此漏洞可能导致Oracle WebLogic服务器被接…

MySQL可重复读事务隔离具体是怎么实现的

事务的启动会有的操作 事务的隔离等级有四种,现在说默认的可重复读,可重复读就是一个事务执行过程中看到的数据,总是跟这个事务在启动时看到的数据是一致的。当然在可重复读隔离级别下,未提交变更对其他事务也是不可见的。 可重复…

Java阶段一Day22

Java阶段一Day22 文章目录Java阶段一Day22线程安全synchronized教师总结新单词多线程多线程并发安全问题概念例synchronized关键字同步方法同步块在静态方法上使用synchronized互斥锁总结重点:多线程并发安全问题聊天室(续)实现服务端发送消息给客户端服务端转发消息给所有客户…

内网穿透实现在外远程连接RabbitMQ服务

文章目录前言1.安装erlang 语言2.安装rabbitMQ3. 内网穿透3.1 安装cpolar内网穿透(支持一键自动安装脚本)3.2 创建HTTP隧道4. 公网远程连接5.固定公网TCP地址5.1 保留一个固定的公网TCP端口地址5.2 配置固定公网TCP端口地址转载自远控源码文章:无公网IP,…

Linux Systemd type=simple和type=forking的区别

Typeforking 使用Typeforking时,要求ExecStart启动的命令自身就是以daemon模式运行的。 而以daemon模式运行的进程都有一个特性:总是会有一个瞬间退出的中间父进程,例如,nginx命令默认以daemon模式运行,所以可直接将其…

Nodejs vm/vm2沙箱逃逸

文章目录什么是沙箱以及VM?vm模块nodejs作用域vm沙箱vm沙箱逃逸vm2例题分析:(待补充)[HFCTF2020]JustEscape[HZNUCTF 2023 final]eznode參考文章:什么是沙箱以及VM? 什么是沙箱: 沙箱就是能够像一个集装箱…

Ansys Speos | 联合 optiSLang 背光板设计优化方案

在这个例子中,讲述如何建模一个典型的背光单元及其与亮度和均匀性有关的照度分布。其中一个关键特点是使用了Speos 3D Texture功能,这是最初开发的用于背光单元产品,并可用于设计导光板,亮度增强膜(BEF)和由数千/数百万组成的背光…

《程序员面试金典(第6版)》面试题 10.03. 搜索旋转数组(二分法,分钟思想,入门题目)

题目描述 搜索旋转数组。给定一个排序后的数组,包含n个整数,但这个数组已被旋转过很多次了,次数不详。请编写代码找出数组中的某个元素,假设数组元素原先是按升序排列的。若有多个相同元素,返回索引值最小的一个。 示例…

C学习笔记2

1、二进制由 0 和 1 两个数字组成,使用时必须以0b或0B(不区分大小写)开头 2、符号位进制形式进制数据 (进制形式决定后面的数据是哪种进制) 3、合法的二进制 int a 0b101; // 0b是二进制的进制形式 101是进制…

buildroot使用外部编译链编译bluez蓝牙工具

在开发ublox w263 wifi蓝牙时,之前是使用yocto系统集成编译出的bluez工具,减少了自己编译工具软件和依赖库的工作,切换项目使用原生linux系统后,所以的软件需要自己编译,不想编译每个依赖文件和库,所以使用…

Pytorch深度学习笔记(三)线性模型

目录 1.机械学习的过程 2.线性模型 推荐课程:2.线性模型_哔哩哔哩_bilibili 1.机械学习的过程 机械学习的过程: 1.准备数据集DataSet——>2.选择模型Model——>3.训练Training——>4.推理Infering 监督学习:用已知标签的训练样本训…

Spark大数据处理讲课笔记3.1 掌握RDD的创建

文章目录零、本节学习目标一、RDD为何物(一)RDD概念(二)RDD示例(三)RDD主要特征二、做好准备工作(一)准备文件1、准备本地系统文件2、启动HDFS服务3、上传文件到HDFS(二&…