Python中的Frequency Response Function（FRF）是一種用于振動分析和噪聲控制的重要工具。該算法可以幫助我們查看系統在輸入信號下產生的響應，以及系統的頻率響應。

在Python中，可以使用scipy庫中的signal模塊來執行FRF算法。下面是一個簡單的Python示例，演示如何計算系統的頻率響應：

import numpy as np
from scipy import signal
# 生成一個輸入信號
t = np.linspace(0, 1, 1000)
input_signal = np.sin(2 * np.pi * 10 * t) + np.sin(2 * np.pi * 50 * t)
# 生成一個系統輸出信號
output_signal = signal.lfilter([1, 0.5, 0.25], [1, -1, 0.5], input_signal)
# 計算FRF并繪圖
freq, frf = signal.freqresp([1, 0.5, 0.25], [1, -1, 0.5])
plt.semilogx(freq, 20 * np.log10(abs(frf)))
plt.xlim([0.1, 100])
plt.xlabel('Frequency (Hz)')
plt.ylabel('Amplitude (dB)')
plt.grid()
plt.show()

在上面的示例中，使用lfilter函數模擬了一個系統的輸出信號。然后使用freqresp函數計算系統的FRF，并使用matplotlib庫將結果繪制出來。

FRF算法在機械工程和聲學工程領域中得到了廣泛的應用。例如，在振動測試中，FRF算法可以用于測量結構的自然頻率和阻尼比。在噪聲控制中，可以使用FRF算法來確定有效的控制信號。