快速序列視覺呈現腦機接口（RSVP-BCI）是目前基于人腦對目標進行早期發現任務中最為常用的技術，該技術能夠獲取人腦對環境的快速感知。腦電信號（EEG）具有非平穩和信噪比較低的特點，因此在單次試驗中準確解碼大腦活動較為困難。為解決RSVP-BCI技術中單次試驗分類準確率不高的問題，本文提出一種基于時空域混合特征提取的新方法。該方法充分考慮大腦活動的時空模式，分別在時域和空域采用主成分分析（PCA）和共空間模式（CSP）對EEG信號進行特征提取，構成時空混合CSP-PCA（STHCP）方法，通過時域、空域兩次特征提取最大化目標類與非目標類之間的判別距離，有效地降低特征維數。STHCP的單試次解碼曲線下面積（AUC）較三種基準算法［空間加權費希爾（Fisher）線性判決-PCA（SWFP）、CSP及PCA算法］分別提高了17.9%、22.2%及29.2%，為利用RSVP-BCI技術進行快速高效的目標檢測提供了新方法。