1.适用于无线传感器网络的异常数据检测方法，其特征在于包括步骤：

网络节点的分簇：根据分簇算法将采集数据相关的节点分在一个组中，并在这个组中选出一个簇头节点进行该组节点数据的传送和处理；

双重检测：每个节点通过训练数据集结合PCA算法得到自分区阀值，并由对应簇的簇头节点计算得到全局区分阀值，任意节点在检测到新数据后基于自区分阀值和全局区分阀值进行检测；

检测模型更新：设定检测模型中初始训练数据集由m个时间窗口中的正常数据构成，其中m为大于2的整数，随新的检测数据到来，训练数据集由当前m个窗口时间内的正常数据构成。

2.根据权利要求1所述适用于无线传感器网络的异常数据检测方法，其特征在于还包括方案评估：利用拟合的数据集、英特尔伯克利实验室采集的传感器数据集对自定义时段内的双重检测结果进行分析和仿真，进行评估，其中自定义时段为检测模型更新周期的s倍，s为大于5的整数。

3.根据权利要求1所述适用于无线传感器网络的异常数据检测方法，其特征在于：所述分簇算法为GAF分簇算法、拓扑发现算法、LEACH算法、HEED算法、分簇算法，能量平衡拓扑发现算法中的一种。

4.根据权利要求1所述适用于无线传感器网络的异常数据检测方法，其特征在于：所述双重检测分为局部检测和全局检测，其中局部检测为当某个节点检测到新数据时，本节点计算新数据向量到最大主成分分量的投影距离，并与本节点的自区分阀值比较，对于小于自区分阀值的新数据判定为正常数据，对于超出自区分阀值的新数据判定为可疑数据并发送对应的计算结果至簇头节点中与全局区分阈值比较，对于大于全局区分阈值的新数据标记为异常数据，对于小于全局区分阀值的新数据判定为正常数据。

5.根据权利要求4所述适用于无线传感器网络的异常数据检测方法，其特征在于：所述双重检测的细分步骤包括：异常检测模型的建立，每个节点和簇头节点分别使用三元组建立各自的异常数据检测模型；

异常数据检测，每个节点计算自身最大主成分分量和最大投影距离，并广播至相关联的簇头节点中；簇头节点根据相关联的全部节点的最大投影距离计算全局最大投影距离；

异常数据源检测，对异常数据分析引发的原因，包括简单的噪声或内部错误。