La estimación de retraso temporal (TDE) es de gran interés para la estimación del grosor del pavimento utilizando radar de penetración terrestre (una herramienta de prueba no destructiva que utiliza ondas electromagnéticas para sondear material de ingeniería civil), que determina la diferencia entre los tiempos de llegada de dos señales entrantes o ecos retrodispersados. Sin embargo, los métodos convencionales de TDE sufren de degradación de rendimiento debido a la resolución limitada para capas delgadas y ecos retrodispersados altamente correlacionados. En este documento, se propone un método de TDE basado en redes neuronales profundas (DNN). En primer lugar, se construye una nueva DNN para clasificar y entrenar los ecos retrodispersados; luego, los retrasos temporales de los ecos retrodispersados pueden ser estimados a través de la DNN propuesta. El método propuesto se basa en el procesamiento de datos de los ecos retrodispersados, que es más robusto al ruido que los métodos convencionales basados en subespacios (MUSIC, ESPRIT) y los métodos basados en compresión de señal (OMP). El método propuesto puede procesar directamente ecos retrodispersados coherentes sin procedimientos de decorrelación, en comparación con MUSIC y ESPRIT. Además, el método propuesto es más eficaz en resolver los ecos retrodispersados cercanos que el de OMP. Los resultados de simulación muestran la eficiencia del método propuesto en términos de relación señal-ruido (SNR) y productos. (Los productos indican la resolución del GPR, es el ancho de banda de frecuencia del GPR y es el retraso temporal entre dos señales entrantes o ecos retrodispersados).