用稳健的最小截平方和(LTS)估计检测气动数据中的异常,但气动数据是海量和高维的,使得LTS要求解的矩阵维数很大,造成巨大的时空开销。为此,引入迭代的奇异值分解(ISVD)求解LTS的最小二乘问题,实现更快的异常检测。实证分析采用某飞行器外形数据,分别运用OLS,FastLTS以及ISVD-FastLTS对数据集进行异常检测和对比分析。实验证明,相比于传统方法,ISVD-FastLTS能更加快速且准确地识别异常值。