Una interfaz cerebro-computadora (brain-computer interface o BCI) es un canalde comunicación que permite el control de un dispositivo haciendo uso únicamentede la actividad cerebral. Para lograr este control se buscan característicasde la se ˜nal cerebral que pueden asociarse a un evento mental determinado.As´ı pues, esta tesis est´a enfocada a la extracci ´on de caracter´ısticas y clasificaci ´onde se ˜nales de electroencefalograf´ıa (EEG) para aplicaciones de BCI.La primera propuesta de este trabajo es la selecci ´on, a partir de la coherencia,de un conjunto reducido de electrodos para formar un vector de caracter´ısticasde dimensiones reducidas que es empleado en la etapa de clasificaci ´on. Para elcaso de dos tareas mentales, la clasificaci ´on se realiza con un discriminante nolineal optimizado, cuyos par´ametros de operaci ´on se seleccionan maximizandoel ´area bajo la curva ROC (receiver operating characteristic). Para m´as de dostareas se emplea un clasificador basado en la distancia de Mahalanobis y la evaluaci´on se realiza con el coeficiente kappa. En ambos casos se utilizan medicionesde EEG provenientes de bases de datos p´ublicas relacionadas con la ejecuci ´onde tareas motrices y cognitivas. Los experimentos muestran que el m´etodo propuestoproporciona una eficiencia similar (pero con menor complejidad) que lade otros m´etodos reportados en la literatura.As´ı mismo se propone una aplicaci ´on innovadora de las BCIs en el campo dela rehabilitaci ´on. Para ello se estudia el cambio en la actividad el´ectrica cerebralde tres sujetos sanos ante la aparici ´on de un obst´aculo inesperado que interfierecon su marcha. Una vez determinado el cambio en la actividad cerebral, seeval ´uan diferentes caracter´ısticas de la se ˜nal de EEG para seleccionar la que permitauna mejor detecci ´on del obst´aculo instantes previos a la reacci ´on del sujeto.Tras realizar la evaluaci ´on correspondiente, las mejores caracter´ısticas alcanzarontasas de aciertos promedio superiores al 75%.