隱馬可夫模型解碼器（離散狀態）

當要解碼的量是離散而非連續時——任務狀態、抓握類型、點擊與否，或序列中的音素——自然的狀態空間模型是隱馬可夫模型：一小組離散狀態，以轉移矩陣作為動力學先驗、以各狀態的發射分布作為觀測模型。遞迴貝葉斯更新成為前向演算法，即時維護狀態的機率分布；離線最佳路徑解碼則用維特比演算法，前向–後向則提供平滑後驗與訓練模型所需的統計量。

HMM 解碼器是 BCI 離散面向的主力：偵測動作起始或狀態、將連續解碼器開關切換、睡眠與事件分期，並作為組件，在語音與手寫解碼中施加序列結構（音素或字元轉移受限制）。轉移矩陣扮演時間先驗的角色，恰如動力學矩陣之於卡爾曼濾波器，且相同的但書適用——馬可夫與平穩假設皆為近似，而估計錯誤的發射模型會限制準確度。