在本文中，我们提出了一种迭代的重加权l1惩罚回归方法来解决线谱估计问题。 在每个迭代过程中，我们首先使用贝叶斯套索的理想值来更新稀疏矢量。 罚函数的导数形成正则化参数。 我们选择反三角函数作为惩罚函数来近似于10范数。 然后我们使用梯度下降法来更新字典参数。 理论分析和仿真结果证明了该方法的有效性，并表明该算法在许多实际情况下均优于其他最新方法。