1 bit压缩感知技术日益受到关注。1 bit信号往往有符号跳变，同时信号重构还需要稀疏度先验信息，如何有效地克服信号重构对稀疏度的依赖性，提高重构算法对噪声的鲁棒性，这是该领域面临的重大挑战。本文在二进制迭代硬阈值算法基础上，引入自适应稀疏度，利用残差能量的大小，通过对信号和噪声的学习，解决稀疏度依赖问题，通过引入弹球损失和自适应异常值追踪提高对噪声的鲁棒性，通过引入归一化参数，缩短运算时间。数值仿真实验表明，本文算法重构复杂度降低10%左右，在信号无噪声条件下重构信噪比提高2.1 dB，在有噪声条件下绝对均方误差（AMSE）降低约0.3。算法运行效率比基于自适应异常值追踪的二进制硬阈值算法提升了25%。与当前先进算法相比，能有效地克服信号重构对稀疏度的依赖性，对符号跳变引起的噪声具有很好的鲁棒性。