Reconfigurable Intelligent Surfaces for Enhanced Security in SAGIN Networks

Face à la dépendance croissante aux réseaux intégrés espace-air-sol (Space-Air-Ground Integrated Network – SAGIN) pour les communications critiques, garantir une connectivité sécurisée et résiliente face aux brouillages intentionnels est devenu crucial. Cette thèse explore un nouveau cadre antibrouillage dans lequel une surface intelligente reconfigurable (Reconfigurable Intelligent Surface – RIS) est déployée sur un véhicule aérien sans pilote (Unmanned Aerial Vehicle – UAV) stationnaire, afin de faciliter la communication entre un satellite en orbite basse (Low Earth Orbit – LEO) et un utilisateur au sol, tout en contrant une menace de brouillage provenant d’un satellite en orbite géostationnaire (Geostationary Equatorial Orbit – GEO). L’objectif principal est de maximiser le rapport signal sur brouillage plus bruit (Signal-to-Jamming plus Noise Ratio – SJNR) à l’utilisateur, en optimisant conjointement la formation de faisceau du RIS et la puissance d’émission du satellite LEO. Cette optimisation est réalisée sous l’hypothèse d’une information parfaite sur l’état du canal (Channel State Information – CSI) au niveau du RIS. Pour résoudre le problème d’optimisation non convexe associé, nous adoptons un cadre d’optimisation alternée (Alternating Optimization – AO), combiné à des techniques de relaxation semi-définie (Semidefinite Relaxation – SDR). Cette thèse présente une revue de littérature approfondie sur les systèmes antibrouillage basés sur RIS, et met en évidence les avantages uniques de l’intégration de RIS sur des drones. Des résultats de simulation détaillés confirment que notre approche améliore significativement les performances de communication par rapport aux systèmes de référence. En outre, l’analyse révèle que le placement du RIS embarqué sur drone à proximité immédiate de l’utilisateur au sol — notamment en cas de brouillage de forte puissance et lorsque le nombre d’éléments RIS est limité — permet d’obtenir un gain significatif de SJNR. Les résultats obtenus démontrent le potentiel prometteur des approches antibrouillage assistées par RIS dans les futures architectures SAGIN, et constituent une base solide pour des recherches futures sur l’optimisation dans des scénarios de brouillage d’origine satellitaire.

Abstract

With the increasing reliance on space-air-ground integrated networks (SAGIN) for critical communications, ensuring secure and resilient connectivity in the presence of intentional jamming has become crucial. This thesis explores a novel anti-jamming framework in which a Reconfigurable Intelligent Surface (RIS) is deployed on a stationary Unmanned Aerial Vehicle (UAV) to assist in communication between a Low Earth Orbit (LEO) satellite and a ground user, while facing a jamming threat from a Geostationary Earth Orbit (GEO) satellite. The main objective is to maximize the Signal-to-Jamming plus Noise Ratio (SJNR) at the user by jointly optimizing the beamforming of the RIS and the transmit power of the LEO satellite. This optimization is carried out under the assumption of perfect global Channel State Information (CSI) at the RIS. To tackle the associated non-convex optimization problem, we adopt an Alternating Optimization (AO) framework combined with Semidefinite Relaxation (SDR) techniques. The thesis presents a thorough literature review on RIS-enabled anti-jamming schemes and highlights the unique advantages of placing RIS on UAVs. Detailed simulation results confirm that our proposed approach significantly improves communication performance compared to baseline schemes. Moreover, the analysis reveals that placing the UAV-mounted RIS in close proximity to the ground user, especially under high jamming power and when the number of RIS elements is limited, leads to a significant SJNR gain. The findings of this work demonstrate the promising potential of RIS-assisted anti-jamming methods in future SAGIN architectures and provide a basis for further exploration of optimization techniques in satellite-origin jamming scenarios.