为改善运动想象脑电信号特征提取的自适应性和实时性，提出一种基于希尔伯特-黄变换（HHT）与共空域子空间分解算法（CSSD　）的特征提取方法（HCSSD　）。在对脑电信号进行预处理的基础上，定义一种相对距离准则优选脑电极组合；计算脑电的Hilbert瞬时能量谱和边际能量谱，以获取脑电的时-频特征，并基于CSSD提取其空域特征，采用串行特征融合策略得到脑电的时-频-空特征；设计学习矢量量化神经网络分类器，实现脑电数据分类。在训练集与测试集间隔一周且减少导联数量的情况下，基于HCSSD对左手小指和舌头的运动想象ECoG脑电数据的平均识别率为92％。实验结果表明：HCSSD在增强特征提取方法的自适应性、改善实时性的同时，提高了脑电信号识别率，为便携式BCI系统在康复领域的应用创造了条件。