Los canales activados de la espectroscopia funcional de infrarrojo cercano suelen identificarse utilizando la función de respuesta hemodinámica deseada (dHRF) generada por un período de prueba. Sin embargo, este enfoque no es posible para un período de prueba desconocido. En este artículo se propone un método innovador que no utiliza la dHRF, el cual extrae señales fluctuantes durante el estado de reposo utilizando la transformada discreta de ondículas de superposición máxima, identifica ondículas de baja frecuencia correspondientes al ruido fisiológico, las entrena utilizando redes neuronales de memoria a corto y largo plazo, y las predice/sustrae durante la sesión de tarea. La motivación para la predicción es mantener la información de fase del ruido fisiológico en el momento de inicio de una tarea, lo cual es posible porque la señal se extiende desde el estado de reposo hasta la sesión de tarea. Esta técnica descompone los datos del estado de reposo en nueve ondículas y utiliza la quinta a la novena ondícula para el aprendizaje y la predicción. En la octava ondícula, el error de predicción entre con y sin dHRF de la ventana de predicción de 15 segundos pareció ser el más grande. Teniendo en cuenta la dificultad para eliminar el ruido fisiológico cuando el período de activación está cerca del ruido fisiológico, el método propuesto puede ser una solución alternativa cuando el método convencional no es aplicable. En interfaces cerebro-computadora pasivas, es necesario estimar el tiempo de inicio de la señal cerebral.