1.一种无线传感器网络异常检测方法，其特征在于，通过皮尔逊相关系数分析传感器节点的距离和节点的测量值，利用相对偏差值计算最大差异化相关性，利用近邻的节点的测量值计算空间变异系数，利用滑动窗口内的测量值计算变异系数、分析节点历史测量值的异常次数计算异常概率，将空间和时间变异系数与异常概率结合得到概率变异系数；并利用信息熵分析传感器节点数据的波动，选择最佳的参考估计节点，利用线性最小二乘估计法使用最佳的参考估计节点估计传感器节点的测量值，并与真实测量值进行对比判断传感器节点的最终状态。

2.根据权利要求1所述的一种无线传感器网络异常检测方法，其特征在于，包含以下步骤：步骤1：搭建无线传感器网络，

步骤2：计算传感器节点测量值最大差异化相关性，

步骤3：计算局部节点的概率变异系数，

步骤4：利用置信区间，自适应地更新检测阈值，进行局部网络状态判断；

步骤5：利用基于信息熵的线性最小二乘估计方法估计当前节点的数据，找出恶意状态节点。

3.根据权利要求2所述的一种无线传感器网络异常检测方法，其特征在于，所述“计算传感器节点测量值最大差异化相关性”包括以下步骤：步骤21：利用欧式距离计算某一传感器节点与该节点的邻居节点的距离，并寻找出最近的h个邻居节点；

步骤22：利用皮尔逊相关系数计算该节点当前时刻测量值与该节点到簇头距离的相关性；

步骤23：计算该节点的h个最近邻的邻居节点的测量值的相对偏差值，并找出最大相对偏差值，将最大相对偏差值与相关性结合得到最大差异化相关性。

4.根据权利要求2或3所述的一种无线传感器网络异常检测方法，其特征在于，所述“计算局部节点的概率变异系数”包含以下步骤：步骤31：统计该节点历史数据中被检测为异常的次数，计算其异常概率；

步骤32：利用变异系数计算滑动窗口内数据的变异系数和该节点与h个最近邻的节点的空间变异系数；

步骤33：将异常概率与时间和空间上的变异系数相结合得到概率变异系数。

5.根据权利要求2或3或4所述的一种无线传感器网络异常检测方法，其特征在于，所述“利用置信区间，自适应地更新检测阈值，进行局部网络状态判断”，包含以下步骤：步骤41：利用当前该节点的h个最近邻的节点的正常历史测量值更新置信区间；

步骤42：根据上述最大差异化相关性和概率变异系数的值与置信区间的对比，判断该节点与h个邻居节点的局部网络状态。

6.根据权利要求2或3或4或5所述的一种无线传感器网络异常检测方法，其特征在于，所述“利用基于信息熵的线性最小二乘估计方法估计当前节点的数据，找出恶意状态节点”，包含以下步骤：步骤51：利用信息熵计算最近的h个邻居节点的历史数据的差异性，选择最佳的参考节点；

步骤52：线性最小二乘估计方法利用最佳的参考节点估计该节点的测量值；

步骤53：将测量值与估计值进行比较，判断恶意节点。

7.根据权利要求5所述的一种无线传感器网络异常检测方法，其特征在于，将某一传感器应节点在t时刻的最大差异化相关性的阈值、概率空间变异系数的阈值、滑动窗口变异系数的值与各自置信区间进行比较分别得到三种状态，将上述三种状态形式化定义为status＝{s1,s2,s3},s∈{0,1}，如果该节点在t时刻状态条件满足1≤s1+s2+s3≤2，则将该节点和其最近h个邻居节点的局部网络定义为危险状态，如果状态条件满足s1+s2+s3＞2，则将该节点和其最近h个邻居节点的局部网络定义为恶意状态，如果s1+s2+s3＜1，则将该节点和其最近h个邻居节点的局部网络定义为恶意状态。

8.根据权利要求6所述的一种无线传感器网络异常检测方法，其特征在于，如果估计值与测量值λi满足 则表明i节点为恶意节点，θ是检测为恶意节点的阈值。

9.根据权利要求8所述的一种无线传感器网络异常检测方法，其特征在于，θ的取值是

0.25。

10.一种无线传感器网络，其特征在于，采用权利要求1～9任一所述的一种无线传感器网络异常检测方法。