EMOTIV EPOC دارای ۱۴ سنسور EEG است که ۸ عدد آنها در اطراف لوب‌های پیشانی و پیش‌پیشانی قرار دارند و به دلیل موقعیت‌شان سیگنال‌هایی از عضلات صورت و چشم‌ها را دریافت می‌کنند. اکثر سیستم‌های EEG این سیگنال‌ها را به‌عنوان نویز در نظر می‌گیرند و در هنگام تفسیر سیگنال‌ها فیلتر یا نادیده گرفته می‌شوند. سیستم تشخیص EMOTIV نیز این سیگنال‌ها را قبل از تفسیر سیگنال‌های مغز فیلتر می‌کند، با این حال، ما همچنین از این سیگنال‌ها برای طبقه‌بندی گروه‌های عضلانی که آن‌ها را ایجاد می‌کنند استفاده می‌کنیم که به آن «تحریفات هوشمند» می‌گوییم.

ما دسته‌بندهای کارآمدی را توسعه داده‌ایم تا بسیاری از حالت‌های صورت را شناسایی کنیم، از جمله پلک زدن، wink چپ، wink راست، ابروهای بالا رفته (تعجب)، ابروهای در هم رفته (اخم)، لبخند و دندان‌های فشرده.

حالت‌های صورت ما از نویز عضلانی تشخیص داده می‌شوند، به جز چرخش‌های چشم که ناشی از این واقعیت است که چشم به‌طور الکتریکی قطبی شده و دیپول متحرک نیز سیگنال الکتریکی قابل تشخیصی ایجاد می‌کند. حذف اثرات سیگنال‌های عضلانی از الگوهای مغزی با سیستم‌های EEG مرسوم یک چالش است و اکثر EEG‌های پزشکی نیاز دارند که بیمار به‌طور بسیار ثابت بنشیند تا بتوانند سیگنال‌های مغز را با دقت کافی مشاهده کنند تا مشکلات عملکردی را تشخیص دهند (و حتی در این صورت بخش زیادی از داده‌ها به دلیل پلک زدن و حرکات غیرارادی دیگر مانند بلعیده شدن، دور ریخته می‌شوند).

ما یک رویکرد متفاوت اتخاذ کردیم، که این است که اطلاعات ارزشمندی درباره حالت صورت کاربر وجود دارد که می‌توان از الگوی سیگنال‌های عضلانی به دست آورد و ما سیستم‌های دسته‌بندی خاصی را برای تخصیص الگوهای فعال‌سازی گروه‌های عضلانی مختلف به حالت‌های خاص توسعه دادیم. ما سپس قادر به اعمال برخی فیلترینگ بر روی سیگنال‌های مغزی‌مان هستیم تا بتوانیم شانس بهتری برای مشاهده سیگنال واقعی مغز از طریق نویز عضلانی داشته باشیم و انواع سیگنال‌های عضلانی را شناسایی کنیم.

ما از ترکیبی از فیلترینگ و ویژگی‌های الگوی مغز خاص استفاده می‌کنیم که کمتر تحت تأثیر حرکات عضلانی قرار می‌گیرند تا رفتار مغز نهفته را استخراج کنیم.