La actividad electrodermal (EDA) ha demostrado un gran potencial para el reconocimiento de emociones y la detección temprana de anomalías fisiológicas asociadas con el estrés. Sin embargo, su naturaleza no estacionaria limita la capacidad de las técnicas analíticas y de detección actuales, que dependen en gran medida de la estabilidad de la señal y de condiciones ambientales controladas. Este documento propone un marco de normalización de EDA basado en el promedio móvil exponencial (EMA) con eliminación de valores atípicos aplicable a señales heterocedásticas no estacionarias y un nuevo conjunto de características para el análisis. La serie temporal normalizada conserva las propiedades morfológicas y estadísticas después de la transformación. Mientras tanto, las características propuestas amplían las características típicas de EDA en el dominio del tiempo y se benefician de las propiedades de la señal normalizada resultante. La selección y validación de parámetros se realizaron utilizando dos bases de datos de EDA diferentes sobre evaluación del estrés, logrando la preservación de tendencias utilizando ventanas entre 5 y 20 s. La normalización propuesta y el marco de extracción de características para el análisis de EDA mostraron resultados prometedores para la identificación de patrones ruidosos, relajados y de excitación en datos con enfoques de agrupamiento convencionales como K-medias sobre las características normalizadas mencionadas anteriormente.