补码的符号扩展为什么直接复制符号位?
原码、反码、补码到底差在哪?讲过补码的两种回译方法,其中「把符号位的权看成 −2ⁿ⁻¹ 做带符号位权展开」是这一篇的关键工具;为什么现代芯片几乎只用补码?则回答了编码选型。本篇处理一个更具体的工程问题:一个 4 位补码数要放进 8 位寄存器,多出来的高 4 位该填 0 还是填 1?教科书的答案是符号扩展(sign extension)——正数补 0、负数补 1,也就是把符号位直接复制到所有新增高位。规则一句话能背,但为什么这样填真值就分毫不差?本篇用位权展开把这笔账算到底,再落到零扩展对照、Verilog 接线、截断边界和 C 语言的整数提升上。
本文要回答的问题
- 补码数加宽位宽时,新增的高位填 0 还是填 1,判据是什么?
- 为什么复制符号位能保持真值不变,能不能用代数等式严格证明?
- 零扩展和符号扩展各适用于什么场景,用错了会错成什么样?
- 硬件里符号扩展具体怎么接线,Verilog 有哪几种可综合写法?
- 反向操作(把宽数截短)在什么条件下才等价,什么时候必然出错?
一、问题场景:同一个数换一个更宽的容器
先看一个真实数据通路里天天发生的动作。4 位寄存器里存着两个补码数:0101(+5)和 1011(−5),现在要送进 8 位运算单元参与 8 位加法。位模式只有 4 位,目标容器却有 8 位,低 4 位原样放进去没有争议,争议全在高 4 位:填 0000 还是填 1111?同类场景在工程里随处可见:4 位传感器采样值送进 16 位数字滤波器、8 位音频样本并入 32 位乘累加器、窄总线数据写入宽寄存器,每次位宽不等的赋值都要回答同一个填充问题。填错了不会报语法错误,只会让一个负数悄悄变成大正数,并且可能直到系统联调才暴露。
两种填法都试一下,用带符号位权展开回算十进制,立刻见分晓。
+5:0101 填入 8 位
填 0000 → 00000101 = 4 + 1 = +5 正确
填 1111 → 11110101 = -128 + 64+32+16+4+1 = -11 错误
-5:1011 填入 8 位
填 0000 → 00001011 = 8 + 2 + 1 = +11 错误
填 1111 → 11111011 = -128 + 64+32+16+8+2+1 = -5 正确规律已经露头:原符号位是 0(正数),高位补 0;原符号位是 1(负数),高位补 1。这就是符号扩展——把原数的符号位 fan-out(扇出)到每一个新增位。注意低 4 位自始至终一个位都没改,动的只有新增的高位。
二、位填充映射:一张图看清两条路径
把 4 位到 8 位的填充过程画成映射图,正数路径与负数路径在符号位处分叉,在目标寄存器处汇合。
读这张图抓住两点。第一,分叉只发生在新增的高 4 位,低 4 位走底部直通支路原样保留,所以符号扩展不会破坏任何已有位。第二,两条路径的填充内容都来自同一个信号 b3,没有第二个数据源——硬件上这意味着不需要多路选择器,只要把符号位这一根线接到高 4 位每个触发器的输入端,这也是符号扩展在硅片上几乎零成本的原因。正数填 0、负数填 1 看似两条规则,电路里其实是同一条接线。
三、代数证明:新增位的负权与正权恰好抵消
光有算例不够,下面给出一般情形的完整推导。设 n 位补码数 x 的各位为 b_{n−1}…b₀,符号位 s = b_{n−1}。按带符号位权展开:
x = -s·2^(n-1) + Σ(i=0 → n-2) b_i·2^i现在扩到 m 位(m > n),高 m−n 位全部填 s。新数 y 的结构是:新符号位 s 在第 m−1 位,第 n 到 m−2 位都是 s,原来的第 n−1 位(还是 s)降为普通正权位,第 0 到 n−2 位不变。于是:
y = -s·2^(m-1) + s·Σ(i=n → m-2) 2^i + s·2^(n-1) + Σ(i=0 → n-2) b_i·2^i对中间那段等比数列求和,Σ(i=n → m−2) 2^i = 2^(m−1) − 2^n。把三项新增贡献合并:
y - x = -s·2^(m-1) + s·(2^(m-1) - 2^n) + s·2^(n-1) + s·2^(n-1)
= -s·2^(m-1) + s·2^(m-1) - s·2^n + s·2^n
= 0抵消分两层看:新符号位贡献的 −2^(m−1) 与中间填充位贡献的 2^(m−1)−2^n 相加,剩 −2^n;而原符号位从负权位「降级」为正权位,权重由 −2^(n−1) 变成 +2^(n−1),恰好净增 2^n,两笔账再次抵消。全式等于 0,所以 y = x,与 s 取 0 还是取 1 无关——这正是「正数补 0、负数补 1」统一为「复制符号位」这一条规则的代数根源。
先用负数实例 −5 验证(n=4,m=8,s=1):新符号位贡献 −128;新增中间位是第 4、5、6 位,贡献 16+32+64=112;原符号位降权净增 8。−128+112+8 = −8,再加上低 3 位原值 011 贡献的 3,得 −5,与 4 位时的 1011 = −8+3 = −5 完全一致。再用正数 +5 验证 s=0 的情形:三项新增贡献都乘以 0,y−x 自然为 0;位模式 00000101 按正权展开只有第 0、2 位非零,4+1=+5,与 4 位时的 0101 相等。正负两例分别走了「抵消链完整生效」和「新增项整体归零」两条路径,结论一致。
四、手算实例与零扩展对照
把 4→8 位、8→16 位、16→32 位三个位宽档的正负实例列全,每个都附十进制回算,手算时照此闭环核对。
| 原值(十进制) | 原位宽与位模式 | 扩展后位宽 | 符号扩展结果 | 十进制回算 |
|---|---|---|---|---|
| +5 | 4 位 0101 | 8 位 | 00000101 | 4+1 = +5 |
| −5 | 4 位 1011 | 8 位 | 11111011 | −128+123 = −5 |
| −1 | 4 位 1111 | 8 位 | 11111111 | −128+127 = −1 |
| −9 | 8 位 11110111 | 16 位 | 1111111111110111 | −32768+32759 = −9 |
| +100 | 8 位 01100100 | 16 位 | 0000000001100100 | 64+32+4 = +100 |
| −9 | 16 位 FFF7 | 32 位 | FFFFFFF7 | −2³¹+(2³¹−9) = −9 |
表中 −9 的三次出现值得对照看:同一个数在 8、16、32 位下分别是 F7、FFF7、FFFFFFF7,位宽每翻一倍,左侧就多一整排 F,这就是负数符号扩展在十六进制视图下的典型形态——调试时看到一串 F 打头,应先按负数解读。
那高位一律补 0 的做法有没有正当用途?有,它叫零扩展(zero extension),只适用于无符号数:无符号数所有位都是正权,高位补 0 不改变数值。两种扩展的适用边界与误用后果如下。
| 对照维度 | 符号扩展 | 零扩展 |
|---|---|---|
| 适用类型 | 有符号补码数 | 无符号数 |
| 高位填什么 | 复制原符号位,正补 0、负补 1 | 一律补 0 |
4 位 0101(+5)扩 8 位 | 00000101 = +5 | 00000101 = 5,碰巧一致 |
4 位 1111(−1)扩 8 位 | 11111111 = −1,正确 | 00001111 = 15,真值被篡改 |
| 硬件代价 | 符号位 fan-out,无选择器 | 高位接接地电平 |
翻车算例记住这一个就够:1111 按补码是 −1,错用零扩展得到 00001111,回算为 8+4+2+1=15,−1 凭空变成 15。正数两种扩展结果相同,所以这类错误只在负数上暴露,测试用例若只覆盖正数,缺陷会一路漏到硅后。Verilog 位宽不匹配警告的定位与清零方法,位宽截断警告:truncated 与 widening 的定位和清零有完整速查。
五、硬件接线与 Verilog 的三种写法
电路层面,符号扩展就是一根符号位线的扇出:原寄存器最高位接到新增所有位的 D 输入端,低位逐位直连。没有算术单元、没有控制判决,连线即实现。反映到 Verilog,有三种等价且都可综合的写法。
// 写法一:有符号类型,赋值时综合器自动符号扩展,最省心
logic signed [3:0] a;
logic signed [7:0] b;
assign b = a;
// 写法二:位拼接 + 复制运算符,符号位显式 fan-out 4 份
// 内层 {4{a[3]}} 把 a[3] 复制 4 次,外层花括号做拼接
assign b = { {4{a[3]}}, a };
// 写法三:$signed 把无符号向量按补码解释后再扩展
logic [3:0] u;
logic signed [7:0] s;
assign s = $signed(u);写法二里复制运算符 {4{a[3]}} 的含义是「把 a[3] 重复 4 次」,位宽一变只需改复制次数,手写四个 a[3] 的笨办法在宽总线上不可维护。对照之下,无符号数的零扩展显式写成 {4'b0000, u},两种意图在代码里一眼可辨。移位器与乘法器里的有符号、无符号通路差异,乘法器与移位器有进一步展开。
六、反向操作:截断什么时候等价
扩宽的逆操作是截掉高位。结论先给:只有当原值落在新位宽的表示范围内,截断才保持真值,否则高位信息被直接砍掉,结果按模 2ⁿ 回绕。
成功的例子:−5 的 8 位形式 11111011 截到 4 位得 1011,仍在 4 位范围 [−8, +7] 内,回算 −5,等价。失败的例子:−9 的 8 位形式 11110111 截到 4 位得 0111,按 4 位补码回算是 +7,−9 不在 [−8, +7] 范围内,截断把负号都截没了。判据可以记成一句话:向宽扩靠符号扩展永远无损,向窄截必须先做范围检查。硬件实现上,范围检查等价于确认被丢掉的所有高位彼此相等且等于保留部分的符号位——这正是符号扩展的逆条件。
七、软件侧呼应:C 语言的整数提升
符号扩展不是硬件独有的规则,C 语言的整数提升(integer promotion)遵循同一套逻辑。小位宽有符号类型向大类型转换时按符号扩展,无符号类型按零扩展:int8_t 的 −1(位模式 0xFF)提升为 32 位 int 得到 0xFFFFFFFF,值仍是 −1;uint8_t 的 255 提升为 32 位无符号数得到 0x000000FF,值仍是 255。真正的陷阱在有符号与无符号混算:按通常算术转换,有符号操作数会被转成无符号,此时走零扩展视角,-1 < 1u 这类比较会得出反直觉结果。具体表示规则随编译器和标准版本有细节差异,工程上以所用工具链文档为准,但主流平台的实际行为与本篇的补码推导一致。
这一篇在知识体系里的位置
本篇回答「位宽变换时高位填什么、为什么」,是数制与逻辑代数阶段补码主题的第六篇。二值抽象的起点在为什么计算机只认识 0 和 1;带符号位权展开法与补码定义来自原码、反码、补码到底差在哪?,本篇直接引用而不重教;补码选型与溢出判据在为什么现代芯片几乎只用补码?;编码家族全景见数制与编码:二进制、补码、格雷码与奇偶校验。向电路层下沉,符号位 fan-out 的连线会进入加法器输入级,门级结构在加法器与算术电路:从半加器到 ALU;工程排错侧,位宽不匹配的警告处理在位宽截断警告。
总结
符号扩展的规则是把原符号位复制到所有新增高位:正数补 0、负数补 1,低位原样不动。它的正确性可以严格证明:n 位补码扩到 m 位时,新符号位贡献 −2^(m−1),新增中间位贡献 2^(m−1)−2^n,原符号位由负权位降为正权位净增 2^n,三笔账相加为 0,真值严格不变,且与符号位取值无关。零扩展只对无符号数合法,负数错用零扩展会把 −1 的 1111 篡改成 15 的 00001111,且这类缺陷只在负数测试下暴露。硬件上符号扩展只需符号位一根线 fan-out 到新增各位,Verilog 可用有符号自动扩展、{ {4{a[3]}}, a } 复制拼接或 $signed 三种等价写法。反向截断仅在原值落入新位宽范围时等价,−9 截到 4 位变成 +7 就是越界反例;C 语言整数提升遵循同一规则,有符号走符号扩展、无符号走零扩展,混算时的隐式转换是经典出错点。