基于快速序列视觉呈现(RSVP)的脑机接口技术能够利用人类强大的视觉认知能力,解决复杂图像中是否存在目标的检测问题。而在RSVP-BCI中,如何对单试次试验诱发出的事件相关脑电成分(ERP)进行准确分类,仍然是当前研究的一个难点。本文针对RSVP诱发脑电在脑电节律上分布不均的特点,从时域、频域、空域方面进行联合分析,以进一步提高RSVP-BCI对目标图像识别的精度和效率。本文在结构化判别分析(HDCA)算法基础上引入了RSVP诱发脑电的频域特征,提出了一种基于时-空-频多域滤波的结构化判别分析(Multi Domain Filtering HDCA,MDF-HDCA)算法,该方法采用滑动时频窗策略,对脑电信号在时间、空间和频率上结构化加权,获得一个兴趣总得分。为评价这一算法,本文以实际应用场景中的道路车辆图片作为目标设计了RSVP试验,本研究结合实际应用场景设计了RSVP实验,与HDCA算法和sHDCA算法的对比,结果表明,本文提出的MDF-HDCA算法取得了0.8796的平均AUC,比HDCA算法和s HDCA算法分别提升了7.58%和1.83%。上述结果表明,MDF-HDCA算法能够用于RSVP诱发脑电的有效分类。