近年来,系统融合方法在机器翻译研究领域受到普遍的重视,取得了不错的效果。然而传统的系统融合都是黑箱的融合。即只用每个系统的翻译候选结果进行融合,这样虽然有着适用性广泛的优点,但是翻译系统的中间输出(日志)信息都没有被很好的利用起来,因此也就无法充分的发挥系统融合的优越性。本文首次提出使用翻译系统的日志信息进行白箱融合。将日志信息用于两个方面：词语级系统融合中的对齐部分和短语级系统融合。该方法充分使用了每个系统已有的翻译知识—日志信息—进行融合。主要思想是先将每个系统的翻译词语根据日志信息与源语言进行对齐,再间接的进行翻译系统间词语的对齐。为利用日志信息,我们实现并改进了基于IBM model l的双语句对切分算法。实验结果表明,不论是融合后翻译的质量还是融合时间,基于日志信息的系统白箱融合方法都要好于传统的系统融合方法。为了解决基于日志白箱系统融合的一个局限性—也正是黑箱融合的优势—一些翻译系统没有日志信息,我们提出了两种将多个对齐系统进行融合的方法：句子级融合与词语级融合。多对齐系统融合方法其实就是在原来的融合基础上进行二次融合。这种做法在增加了白箱融合适应范围的同时还提高了最终系统的翻译质量,能够保证最终的翻译结果一定会好于最好的对齐系统的融合结果。为了解决每个对齐系统权重的设定问题,我们提出动态调整和感知机训练两种方法,并实现了前者。试验结果表明,多对齐系统融合方法对提高最终的翻译质量是有帮助的。值得一提的是,本文中提出的基于日志信息的白箱融合方法之前从未被别人使用过,完全由微软亚洲研究院自然语言计算组首次提出并研究。该方法适用性广泛,可以用于包括统计机器翻译—当今的主要研究方向—在内的任何形式的机器翻译系统间的融合。