那我不用这个函数了没换一个函数写

好的，如果您不想使用 `mutualinfo` 函数，可以使用其他方法来计算互信息。下面给出一种基于 Parzen 窗方法的互信息估计函数的实现：

function mi = parzen_mi(x, y, sigma)
% 基于 Parzen 窗方法的互信息估计函数
% x, y: 输入的向量
% sigma: Parzen 窗的宽度

N = length(x);
h = sigma / sqrt(N);
xy = [x', y'];
pdf_xy = mvnpdf(xy, mean(xy), h * eye(2));
pdf_x = mvnpdf(x', mean(x), h);
pdf_y = mvnpdf(y', mean(y), h);
mi = mean(log2(pdf_xy / (pdf_x * pdf_y)));
end

这个函数的原理是：将样本点看成二维空间中的点，使用 Parzen 窗来估计其概率密度函数，然后计算联合概率密度函数、边缘概率密度函数和互信息。使用方法与 `mutualinfo` 函数类似，对于相邻数据点之间的时间延迟为 `delay_time` 时，可以使用以下代码来计算互信息：

x = data(1:end-delay_time);
y = data(delay_time+1:end);
mi_array = parzen_mi(x, y, sigma); % 计算出相邻数据点之间的时间延迟为delay_time的互信息
mi = mean(mi_array);

其中，`sigma` 是 Parzen 窗的宽度，可以通过交叉验证等方法来确定。