年来，统计方法在机器翻译中的应用得到了广泛的关注，各种统计模型不断涌现，统计机器翻译系统的性能得到了很大的提升。在近年举行的机器翻译评测中，统计机器翻译系统取得了很好的成绩。统计方法已逐渐成为机器翻译研究的主流方法之一。本文首先对统计机器翻译若干主要方法进行了研究和探讨，包括基于信源信道思想和基于最大熵思想的若干模型。本文详细讨论了基于短语的统计机器翻译系统的设计和实现。在统计机器翻译领域，基于短语的翻译模型的性能优于基于词的翻译模型。目前在基于短语的所有机器翻译模型系统中，源语言都是以均匀分布的方式进行短语切分，然后将所有可能的短语切分结果送入解码器，最终得到翻译结果。遗憾的是，这种基于均匀分布模型对源语言进行短语切分的方式没有充分结合源语言的语言学知识，可能会误导翻译模型以致选择错误的候选目标短语。本文提出通过对源语言知识进行统计学习，获得短语切分概率模型，以指导对源语言进行合理的短语切分。短语切分概率模型可以独立成为一个新的特征，因此能够非常容易的嵌入以最大熵模型为框架的主流统计机器翻译系统中。通过对中英翻译和法英翻译的实验评测，证明了该方法可以明显改善统计机器翻译系统的性能。在各种短语翻译模型中，基于对齐模板的短语翻译模型和标准短语翻译模型是典型代表，二者在翻译过程中分别使用对齐模板和短语对，本文首先对这两种模型进行了全面对比。对齐模板和短语对各有优势，对齐模板能够较好处理数据稀疏的问题，短语对可以使翻译更加精确。本文提出在基于最大熵的标准短语翻译模型下模拟对齐模板，模拟的对齐模板被作为一个单独的特征函数加入到此翻译模型中。实验在中英翻译和法英翻译上进行，实验结果证明了本文方法明显改善了标准短语翻译模型的翻译效果。