1.一种无线传感器网络中基于测距的安全定位方法，其特征在于，包括如下步骤：S1：收集数据

利用两种不同的测距算法，测量所有在未知节点通信范围内的锚节点与未知节点间的距离；当在未知节点范围内的锚节点数量大于3时，取其中一种测距算法得出的n个测量值中的任意三个进行未知节点的定位，得到 个初始定位结果；

S2：聚类

设定聚类算法中的初始邻域值∈和邻域内样本数的阈值Mp，并令初始定位结果作为样本进行多次聚类，得到多个聚类结果；在多次聚类过程中，Mp保持不变，∈的值逐次增加；

将每个聚类结果中不同簇的数目定义为聚类类别数，设聚类类别数为2的聚类结果为有用聚类结果，记其中的两种不同簇为正常簇和异常簇，统计其中的样本属于两个簇中的哪一个，最终得到统计后属于正常簇的样本；

S3：建立检测模型

对于所有属于正常簇的样本，记其所对应的锚节点为参考锚节点；在未知节点范围内的锚节点中，除参考锚节点外的锚节点记为疑似恶意锚节点；

设节点θ为未知节点，在其通信范围内有n个锚节点；此未知节点与第i个锚节点测距的两个距离分别记为：dt和dr，dt和dr分别代表两种不同测距算法的测量值；根据正常簇的样本所对应的锚节点可以求出差值Di的参考误差区间[Dmin，Dmax]，其中Di＝dt-dr；

通过该参考误差区间建立伯努利随机变量；

S4：序贯概率比检验(Sequential Probability Ratio Test，SPRT)利用参考误差区间对每个疑似恶意锚节点进行序贯概率比检验，判断疑似恶意锚节点是否为恶意锚节点；在未知节点范围内的锚节点中，利用恶意锚节点外的锚节点得到未知节点的定位结果。

2.根据权利要求1所述的一种无线传感器网络中基于测距的安全定位方法，其特征在于，所述步骤S2中统计其中的样本属于两个簇中的哪一个，具体为：设有用聚类结果的数量为k，包括两种不同簇，即正常簇和异常簇；对每个有用聚类结果在正常簇范围内的样本投票，将所得票数超过 的样本划分为最终正常簇，所得票数低于或等于 的样本划分为最终异常簇。

3.根据权利要求1所述的一种无线传感器网络中基于测距的安全定位方法，其特征在于，初始邻域值∈＝0，邻域内样本数阈值Mp＝3，在多次聚类过程中，若第一次聚类结果的聚类类别数不为2，则∈的值在下次聚类时增加1，直到聚类结果的聚类类别数为2；之后∈的值在每次聚类时增加0.5，直到聚类结果的聚类类别数为1后，∈不再增加。

4.根据权利要求1所述的一种无线传感器网络中基于测距的安全定位方法，其特征在于，记其中的两种不同簇为正常簇和异常簇的具体步骤为：设簇内所有样本间的平均距离为Dp，Np为一个簇内所有样本的集合，m为簇内样本的个数，则Dp的计算式为：其中，dist(q，p)表示点q和p之间的距离，q，p∈Np表示点q和p属于Np内的样本，q≠p表示点q和p不是相同的样本；

比较两个簇的Dp值，将Dp值较大的簇记为正常簇，Dp值较小的簇记为异常簇。

5.根据权利要求1所述的一种无线传感器网络中基于测距的安全定位方法，其特征在于，计算参考误差区间的步骤包括：dtij代表在基于ToA的测距算法中未知节点与第i个锚节点第j次的测量结果，drij代表在基于RSSI的测距算法中未知节点与第i个锚节点第j次的测量结果，mi为第i个锚节点利用其中一种测距算法的测量次数，i＝1，…，n；计算未知节点与第i个锚节点用两种测距方法的第j次的测量结果差值Dij，有：Dij＝dtij-drij

计算未知节点与第i个锚节点测量结果差值的均值 和方差si2：计算方差si2的总估计sa2：

其中总的测量次数N＝∑imi；

计算锚节点间测量结果差值的均值 变异的总估计：

其中 为变异的偏倚；

计算总的方差估计值st2：

其中mh为测量次数的调和均数，且

计算两种测距算法差值的参考误差区间[Dmin，Dmax]：基于100×(1-α)％的一致限的限值估计，得 和其中 为标准正态分布的(1-α/2)上分位点；

所述(1-α)为置信水平，具体α取0.05。

6.根据权利要求5所述的一种无线传感器网络中基于测距的安全定位方法，其特征在于，计算两种测距算法差值的参考误差区间[Dmin，Dmax]：基于100×(1-α)％的一致限的限值估计，得 和有：

则有

7.根据权利要求1所述的一种无线传感器网络中基于测距的安全定位方法，其特征在于，通过参考误差区间建立的伯努利随机变量为：

8.根据权利要求7所述的一种无线传感器网络中基于测距的安全定位方法，其特征在于，利用参考误差区间对每个疑似恶意锚节点进行序贯概率比检验，判断疑似恶意锚节点是否为恶意锚节点，具体包括如下步骤：建立假设H0和H1：H0假设为锚节点没有受到攻击的情况，有p≤p0；H1假设为锚节点存在攻击的情况，有p＞p1，其中p0和p1分别为预设的阈值，p为伯努利随机变量中Xi＝1的概率，即P(Xi＝1)；

定义两类误检率：

假阴性γ：当H1成立时，p≤p0，即γ＝P{接受H0|H1}；

假阳性β：当H0成立时，p＞p1，即β＝P{接受H1|H0}；

利用未知节点与第i个疑似恶意锚节点间的j个距离测量差值Di作为观察样本，得到这j个观察样本的似然比λj为：由于Xi是独立同分布，因此可得：

设Cj为j个观察样本中判定为Xi＝1的数量，则有：其中p0＝P(Xi＝1|H0)，p1＝P(Xi＝1|H1)，且p0＜p1；

通过序贯概率比检验的性质可知：

当 时，接受H0；

当 时，接受H1；

当 时，还需继续进行检验；

结合式子 可得有 继续推导可得：

推导得出允许的超过参考误差区间的次数Lj为上式左边的式子和不可容忍的次数Uj为上式右边的式子，具体为：在对第i个锚节点的第j次检测中，未知节点与第i个锚节点进行第j次通信，可以得到两个测量距离dtij和drij，将Dij＝dtij-drij作为第j个观察样本，令Cj为第j次检测时超出参考误差区间的累计次数，首先计算第i个疑似恶意锚节点的第j个观察样本的Lj和Uj；判断第j个观察样本是否在参考误差区间内，即判断是否满足Dmin≤Dij≤Dmax，若是则Cj保持不变；若否Cj加一，且判断此时Lj＜Cj＜Uj是否成立，若是则接着判断下一个观察样本，即继续进行第j+1次检测；若否，还需判断Cj≥Uj还是Cj≤Lj，若是前者，则判定第i个疑似恶意锚节点为恶意锚节点，终止第i个锚节点的检测，若是后者，则判定第i个疑似恶意锚节点为好的锚节点，终止第i个锚节点的检测；

Lj和Uj是随着j变大的，并且它们每次增大的值不大于1，即(Lj+1-Lj)＜1，(Uj+1-Uj)＜1；

证明如下：

因为p1＞p0，因此有 所以 那么(Lj+1-Lj)＜1，同理有(Uj+1-Uj)＜1；

随着j的变化，Cj的值也调整，但它是非减的，即它的值变大或者不变；因为Lj是必然增加的，但是Cj却不是必然增加的，随着检测次数的增加，Cj总会出现小于Lj的情况，因此这个循环是必然能跳出的；另一方面，因为Uj每次增加的值都小于1，而Cj增加的值则是1，也就是说Cj每次增加的值是大于Uj每次增加的值的，所以当检测次数增多时，Cj累计的值也是能大于Uj的，因此这个循环也是能够跳出的；

对所有疑似恶意锚节点进行上述步骤的判断过程，得出所有恶意锚节点。