统计机器翻译发展到今天,其模型已经经历了词模型,短语模型,形式句法模型,树-串模型,串-树模型的变化,目前还有很多学者在尝试建立树-树模型。如此繁复多样的模型,其解码器也各不相同。本文主要描述了一种基于k-best句法分析技术的统一解码算法。我们通过对各种机器翻译模型进行改造,将它们归纳到同步上下文无关文法框架之下,利用一种对于单语k-best句法分析算法,对源语言端进行句法分析。由于同步方法的规则是双端的,所以目标语言端的分析树会随源语言端同步生成。我们利用对数线性模型融入多种特征,利用这些特征值的对数加权和作为同步上下文无关文法的规则得分,在对源语言端句法分析中,这些得分是随分析树的生成而累加的,因此我们可以根据最终在分析树的根节点中存储的得分最高的前k个推导,找出对源语言来说得分最高的k-best翻译结果。我们也介绍了目前主流的,针对短语模型的,基于有穷状态自动机的解码算法,并比较了它和统一解码算法在短语模型上的表现,实验证明,在使用同样短语模型的情况下,统一解码算法的表现和基于有穷状态自动机的解码算法的表现接近。此外,我们也利用统一解码器对多种模型进行了解码,实验证明,在相同的语料上训练模型,对于加入越多先验知识的模型,其解码效果越好。