Actualmente las interfaces cerebro-computadora (BCI) basadas en EEG son mecanismos que buscan, entre otros objetivos, ayudar a personas con discapacidad motriz severa a comunicarse con su entorno. Sin embargo, éstas aún no son utilizadas en la vida cotidiana por lo poco intuitivas que son las fuentes electrofisiológicas para controlarlas. Para afrontar dicho problema se ha explorado utilizar la fuente electrofisiológica conocida como habla imaginada con el objetivo de generar patrones de neuroseñales que ayuden a la clasificación ocurra de forma más natural. En este trabajo se utilizó la técnica de sonificación de señales de EEG, la cual nos permite caracterizar la señal de EEG como una señaal de audio. El objetivo es analizar si al aplicar el proceso de sonificación de la señal de EEG se puede discriminar o resaltar patrones en la señal que mejoren los resultados de clasificación de palabras no pronunciadas. Para ello se procesó la señal con y sin sonificación. En esta investigación se extrajeron características con dos diferentes métodos DWT y MFCC, éste último comúnmente utilizado en tareas de reconocimiento de voz. Se obtuvieron los resultados de los 4 canales más cercanos a las áreas de lenguaje de Broca y Wernicke y los 14 canales del dispositivo EEG. Los porcentajes de exactitud promedio para los 27 sujetos en los 2 conjuntos con 4 y 14 canales usando sonificación de EEG mejoran 7.72% y 5.41% respectivamente. Con los resultados obtenidos se pudo constatar que al aplicar la sonificación de EEG se puede caracterizar mejor la señal de EEG, con respecto al trabajo en el estado del arte que no aplica dicha técnica. Por medio de la selección de las frecuencias dominantes y la mejor distribución de la energía de la señal en un espectro de frecuencias más amplio se logró discriminar los patrones que apoyan a mejorar ligeramente los porcentajes de clasificación de las palabras imaginadas.