Con la llegada de los datos a gran escala, la demanda de información está aumentando, lo que hace que la tecnología de muestreo de señales y los métodos de procesamiento digital sean particularmente importantes. La utilización de la compresión sensorial de 1 bit en la recuperación dispersa ha recibido una atención significativa debido a su rentabilidad en la implementación de hardware y almacenamiento. En este documento, primero aprovechamos la penalización cóncava minimax equipada con mínimos cuadrados para recuperar una señal verdadera de alta dimensión con -dispersión a partir de medidas de 1 bit de -dimensiones y discutimos la regularización mediante la combinación de penalizaciones inductoras de dispersión no convexas. Además, realizamos un análisis de la complejidad del método con penalización cóncava minimax en ciertas condiciones y derivamos la teoría general para el modelo equipado con la familia de funciones no convexas inductoras de dispersión. Luego, nuestro enfoque emplea un método de Newton basado en datos con pasos por etapas para resolver el método propuesto. Experimentos numéricos en datos sintéticos y reales verifican la competitividad del método propuesto.