Las señales de electroencefalograma (EEG) son conocidas por contener firmas de estímulos que inducen actividades cerebrales. Sin embargo, detectar estas firmas para clasificar las formas de onda de EEG capturadas es una de las tareas más desafiantes del análisis de EEG. Este documento propone un método novedoso basado en el tiempo-frecuencia para el análisis y caracterización de EEG implementado en un sistema de apoyo a decisiones asistido por computadora que puede ser utilizado para ayudar a los expertos médicos en la interpretación de patrones de EEG. El método computarizado utiliza la no estacionariedad espectral de EEG, que se revela claramente en las distribuciones tiempo-frecuencia (TFDs) de señales multicomponentes. El algoritmo propuesto, basado en la modificación de la entropía de Rényi, llamada entropía de Rényi local o a corto plazo (STRE), se mejoró con un procedimiento de separación de componentes ciego y estimación de frecuencia instantánea (IF). El método se aplicó a EEGs de movimientos hacia adelante y hacia atrás de las manos izquierda y derecha, así como a EEGs de movimientos imaginados de las manos, que fueron capturados por un sistema de grabación de EEG de 19 canales. Los resultados obtenidos muestran que en un instrumento virtual dado, los métodos propuestos distinguen eficientemente entre movimientos reales e imaginados de miembros al considerar sus firmas en términos de las IFs de los componentes de EEG dominantes en el subconjunto especificado de canales de EEG (a saber, F3, F4, F7, F8, T3 y T4). Además, calcular el número de componentes de señal de EEG, su extracción y estimación de IF proporcionan información importante que muestra el potencial para mejorar las técnicas de diagnóstico clínico existentes para detectar la intensidad, ubicación y tipo de anomalías en la función cerebral en pacientes con trastornos neurológicos del control motor.