压缩感知是近年来信号获取和处理领域中较为热门的研究方向。1-Bit压缩感知作为压缩感知理论的一个重要分支,对测量值进行1-Bit极限量化,极大地简化了硬件结构,提高了量化器的工作效率。对1-Bit压缩感知模型下的重构算法进行研究,具体研究内容如下:首先,针对二进制迭代重加权算法重构性能低并且收敛性能差的问题,提出了基于近似消息传递的二进制迭代重加权算法。该算法在二进制迭代重加权算法的基础上引入近似消息传递算法中的Onsager校正项,实现了在未知信号稀疏度情况下有效的重构,收敛速度和重构性能也得到了一定程度的提高。其次,针对基于pinball损失函数的迭代硬阈值(Pinball Iteration Hard Thresholding,PIHT)算法在未知信号稀疏度情况下不能精确重构的问题,提出一种稀疏度自适应的PIHT算法。该算在继承了PIHT算法优点的基础上,又引入了稀疏度自适应技术,实现噪声环境中,原始信号稀疏度未知时信号的有效重构。最后,针对二进制迭代硬阈值(Binary Iteration Hard Thresholding,BIHT)算法中量化阈值为固定值零,容易产生量化误差的问题,提出一种基于自适应阈值的二进制迭代硬阈值(Adaptive Thresholding-based Binary Iteration Hard Thresholding,AT-BIHT)算法。该算法采用基于自适应阈值的二进制量化器替代了BIHT算法中的符号函数,在继承BIHT算法优点的基础上,有效地提高了重构性能。提出的AT-BIHT算法的重建性能明显高于BIHT算法。