Las interfaces cerebro-máquina, son sistemas de comunicación , que han permitido la creación de esquemas modernos de conexión entre el cuerpo humano y una máquina,a través de la interpretación y transformación de señales biológicas, en ordenes hacia un computador. Normalmente, estos sistemas trabajan mediante un esquema que comprende una etapa de adquisición, una de procesamiento de señales y por ultimo una etapa de control. Sin embargo, las señales biológicas utilizadas, poseen una gran cantidad de outliers, que afectan de forma global, todos los procesos asociados a estos sistemas; por ello, la subetapa de filtrado o pre-procesamiento, contenida en la etapa de procesamiento de señales, tiene un rol fundamental en todos los procesos subsiguientes de diseño de una interfaz cerebro-máquina, ya que es la encargada de entregar las señales de la forma más limpia posible. En el presente trabajo, se hizo uso de los filtros Kalman robustos de pesos Bayesianos y umbralizado, para la etapa de pre procesamiento de una interfaz cerebro-máquina. Para la implementación de los algoritmos, se utilizó la base de datos BCI competetition IV y se plante o un esquema básico de reconocimiento de patrones; se propuso un modelo autoregresivo como etapa de extracción de características y como etapa de clasificación, se propuso diversos clasificadores como, el lineal discriminante, cuadrático discriminante y k-vecinos más cercanos. La evaluación de los algoritmos implementados, se realizó a partir de los porcentajes de acierto de la etapa clasificación. A partir de estos porcentajes, se concluyó que los algoritmos constituyen una herramienta recursiva y efectiva en el filtrado de señales utilizadas en interfaces cerebro-máquina, proporcionando aciertos del 98.07% con el filtro de Kalman de pesos Bayesianos y aciertos del 88.08% con el filtro de Kalman umbralizado.