La ansiedad es un problema de salud mental generalizado, y se han explorado los binaurales como un posible tratamiento no invasivo. Los datos de EEG revelan cambios en la oscilación neural y la conectividad vinculada a la reducción de la ansiedad; sin embargo, los armónicos introducidos durante la adquisición y procesamiento de la señal a menudo distorsionan estos hallazgos. Los métodos existentes luchan por reducir eficazmente los armónicos y capturar la dinámica temporal detallada de las señales de EEG, lo que conduce a una extracción inexacta de características. Por lo tanto, se propone un nuevo método de Extracción de Características Temporales Transitorias y Sustracción Armónica Desruidizada para mejorar el análisis del impacto de los binaurales en los niveles de ansiedad. Inicialmente, se introduce un nuevo Filtro Convo Fusionado de Wiener para capturar características espaciales y eliminar el ruido lineal en las señales de EEG. A continuación, se emplea una Red de Sustracción Armónica Intrínseca, utilizando el algoritmo de Mínimos Cuadrados Ponderados Atentos (AW-LMS) para capturar efectos de suma no lineales y de acoplamiento resonante, eliminando efectivamente la interpretación errónea de los ritmos cerebrales. Para abordar el desafío de la dinámica temporal detallada, se introduce una Red Recurrente Transfo XL Incrustada para detectar y extraer parámetros relevantes asociados con eventos transitorios en los datos de EEG. Finalmente, los datos de EEG se someten a una reducción armónica y a la extracción de características temporales antes de la clasificación con una Red Profunda Q-Network (DQN) de Markov cruzado correlacionado. Esto facilita la clasificación de los niveles de ansiedad en categorías normales, leves, moderadas y severas. El modelo demostró una alta precisión del 95.6%, una precisión del 90%, una sensibilidad del 93.2% y una especificidad del 96% en la clasificación de los niveles de ansiedad, superando a los modelos anteriores. Este enfoque integrado mejora el procesamiento de las señales de EEG, permitiendo una clasificación fiable de la ansiedad y ofreciendo conocimientos valiosos para intervenciones terapéuticas.