在互联网高速发展的信息时代,不同地区国家之间的交流变得更加容易和频繁,语言作为信息的载体,不同语言之间的翻译的重要性与日俱增。巨大的翻译需求推动着机器翻译的快速发展,在众多的翻译模型中,短语统计机器翻译模型应用最广且具有较高的翻译性能,近年来逐渐成为机器翻译领域的核心内容。本文研究的主要内容为基于短语的统计机器翻译系统的设计与实现,将机器翻译分为语料预处理,翻译模型训练,语言模型训练和解码器四个独立的功能模块。语料预处理主要包括分词以及格式标准化；翻译模型训练主要包括词对齐,短语抽取以及短语评分；语言模型使用最常用的N-Gram语言模型；解码器是翻译系统的核心模块,包括翻译候选项获取,计算未来翻译概率,搜索最优路径和译文生成工作。本文采用基于栈的搜索算法,在解码过程中,为了提高翻译效率,运用不同的剪枝策略分别对解码器进行优化,并通过实验对比不同剪枝策略对翻译结果的影响。本文实现了一个完整的统计机器翻译系统,能够完成基本的翻译需求,并对学者们提出的立方剪枝,柱状图剪枝,动态剪枝三种剪枝策略在该系统上实验,通过实验数据得出各种剪枝策略的性能和适用范围。本文研究得出,基于栈的解码算法具有较高的翻译性能,但解码速度较慢,其原因是翻译过程中有大量的翻译候选冗余,选择合适的剪枝方法,能够有效提高翻译效率。本文研究证实在立方剪枝,柱状图剪枝,动态剪枝三种剪枝策略中,立方剪枝的综合性能最高,并且相对安全和稳定；动态剪枝性能取决于剪枝对象的规模,其性能随着剪枝对象规模的增大而提高,在较大规模的翻译选项剪枝中有较好的表现。